Počet záznamů: 1
Model Complexity of Neural Networks in High-Dimensional Approximation
- 1.
SYSNO ASEP 0360537 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Model Complexity of Neural Networks in High-Dimensional Approximation Tvůrce(i) Kůrková, Věra (UIVT-O) RID, SAI, ORCID Zdroj.dok. Recent Advances in Intelligent Engineering Systems, Foundation of Computational Intelligence, 1. - Berlin : Springer, 2012 / Fodor S. ; Klempous J. ; Suárez Araujo C.P. - ISSN 1860-949X - ISBN 978-3-642-23228-2 Rozsah stran s. 151-160 Poč.str. 10 s. Poč.str.knihy 451 Forma vydání Tištěná - P Akce INES 2010. International Conference on Intelligent Engineering Systems /14./ Datum konání 05.05.2010-07.05.2010 Místo konání Las Palmas de Gran Canaria Země ES - Španělsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova model complexity of neural networks ; Gaussian radial-basis networks ; dependence on input dimension Vědní obor RIV IN - Informatika CEP OC10047 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy MEB040901 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000307313000007 EID SCOPUS 82255191250 DOI 10.1007/978-3-642-23229-9_7 Anotace The role of dimensionality in approximation by neural networks is investigated. Methods from nonlinear approximation theory are used to describe sets of functions which can be approximated by neural networks with a polynomial dependence of model complexity on the input dimension. The results are illustrated by examples of Gaussian radial networks. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2013
Počet záznamů: 1