Representations of Highly-Varying Functions by One-Hidden-Layer Networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F14%3A00427584" target="_blank" >RIV/67985807:_____/14:00427584 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-07173-2_7" target="_blank" >http://dx.doi.org/10.1007/978-3-319-07173-2_7</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-07173-2_7" target="_blank" >10.1007/978-3-319-07173-2_7</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Representations of Highly-Varying Functions by One-Hidden-Layer Networks
Popis výsledku v původním jazyce
Limitations of capabilities of one-hidden-layer networks are investigated. It is shown that for networks with Heaviside perceptrons as well as for networks with kernel units used in SVM, there exist large sets of d-variable functions which cannot be tractably represented by these networks, i.e., their representations require numbers of units or sizes of weighs depending on d exponentially. Our results are derived using the concept of variational norm from nonlinear approximation theory and the concentration of measure property of high dimensional Euclidean spaces.
Název v anglickém jazyce
Representations of Highly-Varying Functions by One-Hidden-Layer Networks
Popis výsledku anglicky
Limitations of capabilities of one-hidden-layer networks are investigated. It is shown that for networks with Heaviside perceptrons as well as for networks with kernel units used in SVM, there exist large sets of d-variable functions which cannot be tractably represented by these networks, i.e., their representations require numbers of units or sizes of weighs depending on d exponentially. Our results are derived using the concept of variational norm from nonlinear approximation theory and the concentration of measure property of high dimensional Euclidean spaces.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/LD13002" target="_blank" >LD13002: Modelování složitých systémů softcomputingovými metodami</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2014
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
Artificial Intelligence and Soft Computing Part I
ISBN
978-3-319-07172-5
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
10
Strana od-do
67-76
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Zakopane
Datum konání akce
1. 6. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000341246000007