Weight adaptation stability of linear and higher-order neural units for prediction applications

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F19%3A00328607" target="_blank" >RIV/68407700:21220/19:00328607 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-319-98678-4_50" target="_blank" >https://doi.org/10.1007/978-3-319-98678-4_50</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-98678-4_50" target="_blank" >10.1007/978-3-319-98678-4_50</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Weight adaptation stability of linear and higher-order neural units for prediction applications

Popis výsledku v původním jazyce

This paper is focused on weight adaptation stability analysis of static and dynamic neural units for prediction applications. The aim of this paper is to provide verifiable conditions in which the weight system is stable during sample-by-sample adaptation. The paper presents a novel approach toward stability of linear and higher-order neural units. A study of utilization of linear and higher-order neural units with the foundations on stability of the gradient descent algorithm for static and dynamic models is addressed.

Název v anglickém jazyce

Weight adaptation stability of linear and higher-order neural units for prediction applications

Popis výsledku anglicky

This paper is focused on weight adaptation stability analysis of static and dynamic neural units for prediction applications. The aim of this paper is to provide verifiable conditions in which the weight system is stable during sample-by-sample adaptation. The paper presents a novel approach toward stability of linear and higher-order neural units. A study of utilization of linear and higher-order neural units with the foundations on stability of the gradient descent algorithm for static and dynamic models is addressed.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

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

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název periodika

Advances in Intelligent Systems and Computing

ISSN

2194-5357

e-ISSN

—

Svazek periodika

833

Číslo periodika v rámci svazku

February

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

9

Strana od-do

503-511

Kód UT WoS článku

000540907500050

EID výsledku v databázi Scopus

2-s2.0-85053819033