A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Differential and Algebraic Geometry of Multilayer Perceptrons Geometria Diferencial e Algébrica de Perceptrons Multicamadas

Shun-ichi AMARI, Tomoko OZEKI

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A geometria da informação é aplicada à variedade de redes neurais chamadas perceptrons multicamadas. É importante estudar uma família total de redes como uma variedade geométrica, porque a aprendizagem é representada por uma trajetória nesse espaço. A variedade de perceptrons possui uma rica estrutura geométrica diferencial representada por uma métrica Riemanniana e singularidades. Um método de aprendizagem eficiente é proposto ao usá-lo. O espaço de parâmetros dos perceptrons inclui muitas singularidades algébricas, que afetam as trajetórias de aprendizagem. Tais singularidades são estudadas por meio de modelos simples. Isto representa um problema interessante de inferência estatística e aprendizagem em modelos hierárquicos incluindo singularidades.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E84-A No.1 pp.31-38
Data de publicação
2001/01/01
Publicitada
ISSN online
DOI
Tipo de Manuscrito
Special Section INVITED PAPER (Special Section on the 10th Anniversary of the IEICE Transactions of Fundamentals: "Last Decade and 21st Century")
Categoria

autores

Palavra-chave