Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Rauchensteiner, Michael"'
Artificial neural networks are functions depending on a finite number of parameters typically encoded as weights and biases. The identification of the parameters of the network from finite samples of input-output pairs is often referred to as the \em
Externí odkaz:
http://arxiv.org/abs/2211.04589
In this paper we approach the problem of unique and stable identifiability of generic deep artificial neural networks with pyramidal shape and smooth activation functions from a finite number of input-output samples. More specifically we introduce th
Externí odkaz:
http://arxiv.org/abs/2101.07150
We address the structure identification and the uniform approximation of two fully nonlinear layer neural networks of the type $f(x)=1^T h(B^T g(A^T x))$ on $\mathbb R^d$ from a small number of query samples. We approach the problem by sampling activ
Externí odkaz:
http://arxiv.org/abs/1907.00485
Publikováno v:
In Applied and Computational Harmonic Analysis January 2023 62:123-172
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:
Constructive Approximation; Feb2022, Vol. 55 Issue 1, p475-536, 62p