Approximation of Binary-Valued Functions by Networks of Finite VC Dimension

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F23%3A00577075" target="_blank" >RIV/67985807:_____/23:00577075 - isvavai.cz</a>

Výsledek na webu

<a href="https://dx.doi.org/10.1007/978-3-031-44207-0_40" target="_blank" >https://dx.doi.org/10.1007/978-3-031-44207-0_40</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-44207-0_40" target="_blank" >10.1007/978-3-031-44207-0_40</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Approximation of Binary-Valued Functions by Networks of Finite VC Dimension

Popis výsledku v původním jazyce

Distributions of errors in approximation of binary-valued functions by networks with sets of input-output functions of finite VC dimension is investigated. Conditions on concentration of approximation errors around their mean values are derived in terms of growth functions of sets of input-output functions. Limitations of approximation capabilities of networks of finite VC dimension are discussed.

Název v anglickém jazyce

Approximation of Binary-Valued Functions by Networks of Finite VC Dimension

Popis výsledku anglicky

Distributions of errors in approximation of binary-valued functions by networks with sets of input-output functions of finite VC dimension is investigated. Conditions on concentration of approximation errors around their mean values are derived in terms of growth functions of sets of input-output functions. Limitations of approximation capabilities of networks of finite VC dimension are discussed.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA22-02067S" target="_blank" >GA22-02067S: AppNeCo: Aproximativní neurovýpočty</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Artificial Neural Networks and Machine Learning – ICANN 2023. Proceedings, Part I

ISBN

978-3-031-44206-3

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

483-490

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Heraklion

Datum konání akce

26. 9. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001156955400040