Počet záznamů: 1
Some Comparisons of Model Complexity in Linear and Neural-Network Approximation
- 1.
SYSNO ASEP 0345940 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Some Comparisons of Model Complexity in Linear and Neural-Network Approximation Tvůrce(i) Gnecco, G. (IT)
Kůrková, Věra (UIVT-O) RID, SAI, ORCID
Sanguineti, M. (IT)Zdroj.dok. Artificial Neural Networks – ICANN 2010, 3. - Berlin : Springer, 2010 / Diamantaras K. ; Duch W. ; Iliadis L.S. - ISSN 0302-9743 - ISBN 978-3-642-15824-7 Rozsah stran s. 358-367 Poč.str. 10 s. Akce ICANN 2010. International Conference on Artificial Neural Networks /20./ Datum konání 15.09.2010-18.09.2010 Místo konání Thessaloniki Země GR - Řecko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova model complexity ; neural networks ; linear models Vědní obor RIV IN - Informatika CEP OC10047 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000290245400048 EID SCOPUS 78049387383 DOI 10.1007/978-3-642-15825-4_48 Anotace Capabilities of linear and neural-network models are compared from the point of view of requirements on the growth of model complexity with an increasing accuracy of approximation. The bounds are formulated in terms of singular numbers of certain operators induced by computational units and high-dimensional volumes of the domains of the functions to be approximated. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2011
Počet záznamů: 1