Košík

  1. 1.
    0546161 - ÚI 2022 RIV DE eng C - Konferenční příspěvek (zahraniční konf.)
    Tumpach, Jiří - Kalina, Jan - Holeňa, Martin
    A Comparison of Regularization Techniques for Shallow Neural Networks Trained on Small Datasets.
    Proceedings of the 21st Conference Information Technologies – Applications and Theory (ITAT 2021). Aachen: Technical University & CreateSpace Independent Publishing, 2021 - (Brejová, B.; Ciencialová, L.; Holeňa, M.; Mráz, F.; Pardubská, D.; Plátek, M.; Vinař, T.), s. 94-103. ISSN 1613-0073.
    [ITAT 2021: Information Technologies - Applications and Theory /21./. Heľpa (SK), 24.09.2021-28.09.2021]
    Grant CEP: GA ČR(CZ) GA18-18080S; GA ČR(CZ) GA19-05704S
    Grant ostatní: Ministerstvo školství, mládeže a tělovýchovy - GA MŠk(CZ) LM2018140
    Institucionální podpora: RVO:67985807
    Klíčová slova: artificial neural networks * regularization * robustness * optimization
    Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
    https://ics.upjs.sk/~antoni/ceur-ws.org/Vol-0000/paper38.pdf
    Trvalý link: http://hdl.handle.net/11104/0322710
    Název souboruStaženoVelikostKomentářVerzePřístup
    0546161-aoa.pdf16.1 MBOA CC BY 4.0Vydavatelský postprintpovolen
     
     

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