Počet záznamů: 1
A Comparison of Regularization Techniques for Shallow Neural Networks Trained on Small Datasets
- 1.
SYSNO 0546161 Název A Comparison of Regularization Techniques for Shallow Neural Networks Trained on Small Datasets Tvůrce(i) Tumpach, Jiří (UIVT-O) ORCID, SAI
Kalina, Jan (UIVT-O) RID, SAI, ORCID
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. Proceedings of the 21st Conference Information Technologies – Applications and Theory (ITAT 2021). S. 94-103. - Aachen : Technical University & CreateSpace Independent Publishing, 2021 / Brejová B. ; Ciencialová L. ; Holeňa M. ; Mráz F. ; Pardubská D. ; Plátek M. ; Vinař T. Konference ITAT 2021: Information Technologies - Applications and Theory /21./, 24.09.2021 - 28.09.2021, Heľpa Druh dok. Konferenční příspěvek (zahraniční konf.) Grant GA18-18080S GA ČR - Grantová agentura ČR, CZ - Česká republika GA19-05704S GA ČR - Grantová agentura ČR, CZ - Česká republika LM2018140, CZ - Česká republika Institucionální podpora UIVT-O - RVO:67985807 Jazyk dok. eng Země vyd. DE Klíč.slova artificial neural networks * regularization * robustness * optimization Spolupracující instituce Matematicko-fyzikalni fakulta UK URL https://ics.upjs.sk/~antoni/ceur-ws.org/Vol-0000/paper38.pdf Trvalý link http://hdl.handle.net/11104/0322710 Název souboru Staženo Velikost Komentář Verze Přístup 0546161-aoa.pdf 1 6.1 MB OA CC BY 4.0 Vydavatelský postprint povolen
Počet záznamů: 1