Some Comparisons of Linear and Deep ReLU Network Approximation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F24%3A00598159" target="_blank" >RIV/67985807:_____/24:00598159 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-031-72359-9_17" target="_blank" >https://doi.org/10.1007/978-3-031-72359-9_17</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-72359-9_17" target="_blank" >10.1007/978-3-031-72359-9_17</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Some Comparisons of Linear and Deep ReLU Network Approximation

Popis výsledku v původním jazyce

Influence of depth of ReLU networks on growth of their non-linearity is studied. Lower bounds on worst-case errors in linear approximation are derived for sets of highly-oscillatory functions that can be exactly represented by ReLU networks. Dependence of these errors on network depth is analyzed.

Název v anglickém jazyce

Some Comparisons of Linear and Deep ReLU Network Approximation

Popis výsledku anglicky

Influence of depth of ReLU networks on growth of their non-linearity is studied. Lower bounds on worst-case errors in linear approximation are derived for sets of highly-oscillatory functions that can be exactly represented by ReLU networks. Dependence of these errors on network depth is analyzed.

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

2024

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 2024. Proceedings, Part X

ISBN

978-3-031-72358-2

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

10

Strana od-do

231-240

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Lugano

Datum konání akce

17. 9. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001331898500017