Počet záznamů: 1
Translation-Invariant Kernels for Multivariable Approximation
- 1.
SYSNO ASEP 0532708 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Translation-Invariant Kernels for Multivariable Approximation Tvůrce(i) Kůrková, Věra (UIVT-O) RID, SAI, ORCID
Coufal, David (UIVT-O) RID, SAI, ORCIDCelkový počet autorů 2 Zdroj.dok. IEEE Transactions on Neural Networks and Learning Systems - ISSN 2162-237X
Roč. 32, č. 11 (2021), s. 5072-5081Poč.str. 10 s. Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova Classification ; Fourier and Hankel transforms ; 17 function approximation ; radial kernels ; translation-invariant kernels Vědní obor RIV IN - Informatika Obor OECD Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) CEP GA18-23827S GA ČR - Grantová agentura ČR Způsob publikování Omezený přístup Institucionální podpora UIVT-O - RVO:67985807 UT WOS 000711638200028 EID SCOPUS 85092915493 DOI 10.1109/TNNLS.2020.3026720 Anotace Suitability of shallow (one-hidden-layer) networks with translation-invariant kernel units for function approximation and classification tasks is investigated. It is shown that a critical property influencing the capabilities of kernel networks is how the Fourier transforms of kernels converge to zero. The Fourier transforms of kernels suitable for multivariable approximation can have negative values but must be almost everywhere nonzero. In contrast, the Fourier transforms of kernels suitable for maximal margin classification must be everywhere nonnegative but can have large sets where they are equal to zero (e.g., they can be compactly supported). The behavior of the Fourier transforms of multivariable kernels is analyzed using the Hankel transform. The general results are illustrated by examples of both univariable and multivariable kernels (such as Gaussian, Laplace, rectangle, sinc, and cut power kernels) Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2022 Elektronická adresa http://dx.doi.org/10.1109/TNNLS.2020.3026720
Počet záznamů: 1