Počet záznamů: 1  

Model Complexity of Neural Networks in High-Dimensional Approximation

  1. 1.
    SYSNO ASEP0360537
    Druh ASEPC - Konferenční příspěvek (mezinárodní konf.)
    Zařazení RIVD - Článek ve sborníku
    NázevModel 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 strans. 151-160
    Poč.str.10 s.
    Poč.str.knihy451
    Forma vydáníTištěná - P
    AkceINES 2010. International Conference on Intelligent Engineering Systems /14./
    Datum konání05.05.2010-07.05.2010
    Místo konáníLas Palmas de Gran Canaria
    ZeměES - Španělsko
    Typ akceWRD
    Jazyk dok.eng - angličtina
    Země vyd.DE - Německo
    Klíč. slovamodel complexity of neural networks ; Gaussian radial-basis networks ; dependence on input dimension
    Vědní obor RIVIN - Informatika
    CEPOC10047 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy
    MEB040901 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy
    CEZAV0Z10300504 - UIVT-O (2005-2011)
    UT WOS000307313000007
    EID SCOPUS82255191250
    DOI10.1007/978-3-642-23229-9_7
    AnotaceThe 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.
    PracovištěÚstav informatiky
    KontaktTereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800
    Rok sběru2013
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.