Zobrazeno 1 - 10
of 420
pro vyhledávání: '"Randomized neural network"'
Online learning of deep neural networks suffers from challenges such as hysteretic non-incremental updating, increasing memory usage, past retrospective retraining, and catastrophic forgetting. To alleviate these drawbacks and achieve progressive imm
Externí odkaz:
http://arxiv.org/abs/2412.13096
Autor:
Zhou, Huifang, Sheng, Zhiqiang
We present two improved randomized neural network methods, namely RNN-Scaling and RNN-Boundary-Processing (RNN-BP) methods, for solving elliptic equations such as the Poisson equation and the biharmonic equation. The RNN-Scaling method modifies the o
Externí odkaz:
http://arxiv.org/abs/2407.18457
The random vector functional link (RVFL) network is a prominent classification model with strong generalization ability. However, RVFL treats all samples uniformly, ignoring whether they are pure or noisy, and its scalability is limited due to the ne
Externí odkaz:
http://arxiv.org/abs/2409.16735
Publikováno v:
31st International Conference on Neural Information Processing (ICONIP2024), New Zealand
The random vector functional link (RVFL) network is well-regarded for its strong generalization capabilities in the field of machine learning. However, its inherent dependencies on the square loss function make it susceptible to noise and outliers. F
Externí odkaz:
http://arxiv.org/abs/2408.02824
Autor:
John P. Roop
Publikováno v:
Results in Applied Mathematics, Vol 23, Iss , Pp 100493- (2024)
This article presents the implementation of a randomized neural network (RNN) approach in approximating the solution of fractional order boundary value problems using a Petrov–Galerkin framework with Lagrange basis test functions. Traditional metho
Externí odkaz:
https://doaj.org/article/8c6214dea8614cab8b16c6f17886ff38
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 12, Pp 190434-190444 (2024)
Incremental randomized neural networks have been widely applied in industrial data modeling. However, incremental randomized neural networks may generate redundant hidden nodes. These nodes may lead to weak performance in real world data modeling tas
Externí odkaz:
https://doaj.org/article/775542dff3f44858b5cf3187878142bb