About the appropriate neural network size for the engineering applications

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F23%3A00368939" target="_blank" >RIV/68407700:21220/23:00368939 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.kme.zcu.cz/compmech/download/proceedings/CM2023_Conference_Proceedings.pdf" target="_blank" >https://www.kme.zcu.cz/compmech/download/proceedings/CM2023_Conference_Proceedings.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

About the appropriate neural network size for the engineering applications

Popis výsledku v původním jazyce

Deep learning approaches became very popular in recent years. In terms of computational effectivity and time required for the learning process, number of degrees of freedom in the proposed neural network plays singificant role. Thus, an apriori information about the appropriate neural network size for a given task could be very promising tool in machine learning tasks. In the contrast to the standard machine learning approaches aimed to deep learning, present contribution deals with shallow higher order networks. Basics of networks are introduced and comparisons between different neural network architectures to capture more demanding engineering task is presented. Basic idea of the neural network size apriori estimation for the task is discussed.

Název v anglickém jazyce

About the appropriate neural network size for the engineering applications

Popis výsledku anglicky

Deep learning approaches became very popular in recent years. In terms of computational effectivity and time required for the learning process, number of degrees of freedom in the proposed neural network plays singificant role. Thus, an apriori information about the appropriate neural network size for a given task could be very promising tool in machine learning tasks. In the contrast to the standard machine learning approaches aimed to deep learning, present contribution deals with shallow higher order networks. Basics of networks are introduced and comparisons between different neural network architectures to capture more demanding engineering task is presented. Basic idea of the neural network size apriori estimation for the task is discussed.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

<a href="/cs/project/EF16_019%2F0000826" target="_blank" >EF16_019/0000826: Centrum pokročilých leteckých technologií</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

PROCEEDINGS OF COMPUTATIONAL MECHANICS 2023

ISBN

978-80-261-1177-1

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

91-94

Název nakladatele

Západočeská univerzita v Plzni

Místo vydání

Plzeň

Místo konání akce

Srní

Datum konání akce

23. 10. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—