Can Two Hidden Layers Make a Difference?
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00391257" target="_blank" >RIV/67985807:_____/13:00391257 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-37213-1_4" target="_blank" >http://dx.doi.org/10.1007/978-3-642-37213-1_4</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-37213-1_4" target="_blank" >10.1007/978-3-642-37213-1_4</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Can Two Hidden Layers Make a Difference?
Popis výsledku v původním jazyce
Representations of multivariable Boolean functions by one and two-hidden-layer Heaviside perceptron networks are investigated. Sufficient conditions are given for representations with the numbers of network units depending on the input dimension d linearly and polynomially. Functions with such numbers depending on d exponentially or having some weights exponentially large are described in terms of properties of their communication matrices. A mathematical formalization of the concept of ?highly-varyingfunctions is proposed. There is given an example of such function which can be represented by a network with two hidden layers with merely d units.
Název v anglickém jazyce
Can Two Hidden Layers Make a Difference?
Popis výsledku anglicky
Representations of multivariable Boolean functions by one and two-hidden-layer Heaviside perceptron networks are investigated. Sufficient conditions are given for representations with the numbers of network units depending on the input dimension d linearly and polynomially. Functions with such numbers depending on d exponentially or having some weights exponentially large are described in terms of properties of their communication matrices. A mathematical formalization of the concept of ?highly-varyingfunctions is proposed. There is given an example of such function which can be represented by a network with two hidden layers with merely d units.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP202%2F11%2F1368" target="_blank" >GAP202/11/1368: Učení funkcionálních vztahů z vysoce dimenzionálních dat</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Adaptive and Natural Computing Algorithms
ISBN
978-3-642-37212-4
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
10
Strana od-do
30-39
Název nakladatele
Springer
Místo vydání
Berlin
Místo konání akce
Lausanne
Datum konání akce
4. 4. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—