Počet záznamů: 1
Innovations in Neural Information Paradigms and Applications
- 1.
SYSNO ASEP 0328492 Druh ASEP M - Kapitola v monografii Zařazení RIV C - Kapitola v knize Název Estimates of Model Complexity in Neural-Network Learning Překlad názvu Odhady modelové složitosti při učení neuronových sítí Tvůrce(i) Kůrková, Věra (UIVT-O) RID, SAI, ORCID Zdroj.dok. Innovations in Neural Information Paradigms and Applications. - Berlin : Springer, 2009 / Bianchini M. ; Maggini M. ; Scarselli F. ; Jain L.C - ISBN 978-3-642-04002-3 Rozsah stran s. 97-111 Poč.str. 15 s. Poč.výt. 500 Poč.str.knihy 294 Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova model complexity ; neural networks ; learning from data Vědní obor RIV IN - Informatika CEP 1M0567 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000271231000005 EID SCOPUS 70350227066 DOI 10.1007/978-3-642-04003-0_5 Anotace Model complexity in neural-network learning is investigated using tools from nonlinear approximation and integration theory. Estimates of network complexity are obtained from inspection of upper bounds on convergence of minima of error functionals over networks with an increasing number of units to their global minima. The estimates are derived using integral transforms induced by computational units. The role of dimensionality of training data defining error functionals is discussed. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2010
Počet záznamů: 1