A Global Optimization Approach to Neural Network Training
Φόρτωση...
Ημερομηνία
Συγγραφείς
Lagaris, I. E.
Voglis, C
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Neural Parallel and Scientific Computations
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
We study effective approaches for training arti?cial neural networks (ANN). We argue that local optimization methods by themselves are not suited for that task. In fact we show that global optimization methods are absolutely necessary if the training is required to be robust. This is so because the objective function under consideration possesses a multitude of minima while only a few may correspond to acceptable solutions that generalize well.
Περιγραφή
Λέξεις-κλειδιά
Arti?cial neural networks,, global optimization,, multistart.
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής