Theory I: Deep networks and the curse of dimensionality

Szczegóły
Opis

Tytuł:: Theory I: Deep networks and the curse of dimensionality
Autorzy:: Poggio, T.
Liao, Q.
Powiązania:: https://bibliotekanauki.pl/articles/200623.pdf
Data publikacji:: 2018
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: deep network
shallow network
convolutional neural network
function approximation
deep learning
sieci neuronowe
aproksymacja funkcji
uczenie głębokie
Źródło:: Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 761-773
0239-7528
Język:: angielski
Prawa:: CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0
Dostawca treści:: Biblioteka Nauki
: Artykuł

Przejdź do źródła

We review recent work characterizing the classes of functions for which deep learning can be exponentially better than shallow learning. Deep convolutional networks are a special case of these conditions, though weight sharing is not the main reason for their exponential advantage.

Informacja

Powiązane pozycje