Why Squashing Functions in Multi-Layer Neural Networks

QR kód

Why Squashing Functions in Multi-Layer Neural Networks

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Urenda Julio C. Csiszár Orsolya Csiszár Gábor Dombi József Kosheleva Olga Kreinovich Vladik Eigner György
Dokumentumtípus:	Könyv része
Megjelent:	IEEE Piscataway (NJ) 2020
Sorozat:	2020 IEEE International Conference on Systems, Man, and Cybernetics (SMC)
Tárgyszavak:	Számítás- és információtudomány
doi:	10.1109/SMC42975.2020.9282886
mtmt:	31797153
Online Access:	http://publicatio.bibl.u-szeged.hu/26029

Hasonló tételek

Why Kappa Regression?
Szerző: Urenda Julio C., et al.
Megjelent: (2021)

Explainable Neural Networks Based on Fuzzy Logic and Multi-criteria Decision Tools
Szerző: Dombi József, et al.
Megjelent: (2021)

Interpretable neural networks based on continuous-valued logic and multicriteria decision operators
Szerző: Csiszár Orsolya, et al.
Megjelent: (2020)

Squash hogyan válhat Magyarországon tömegsporttá /
Szerző: Kecse-Nagy Helga
Megjelent: (2010)

How to implement MCDM tools and continuous logic into neural computation? Towards better interpretability of neural networks /
Szerző: Csiszár Orsolya, et al.
Megjelent: (2020)

Hyphenation using deep neural networks
Szerző: Németh Gergely Dániel, et al.
Megjelent: (2018)

Neural networks in economic data analysis
Szerző: Benkő-Kiss Árpád
Megjelent: (2022)

Neural Network Approaches to Speaker Recognition
Szerző: He Han
Megjelent: (2019)

Predicting exchange rate by neural networks [abstract] /
Szerző: Jovanovic Radmila, et al.
Megjelent: (2000)

Neural network model for nonlinearity detection [abstract] /
Szerző: Csató Lehel, et al.
Megjelent: (1998)

Adversarial Multi-task Learning of Speaker-invariant Deep Neural Network Acoustic Models for Speech Recognition
Szerző: Tóth László, et al.
Megjelent: (2019)

Tutorials on recurrent neural networks and signature verification
Szerző: Malik Muhammad Imran

Efficient visual code localization with neural networks
Szerző: Bodnár Péter, et al.
Megjelent: (2018)

Fooling a Complete Neural Network Verifier
Szerző: Zombori Dániel, et al.
Megjelent: (2021)

On Popov-type stability criteria for neural networks
Szerző: Danciu Daniela, et al.
Megjelent: (2000)

Stability results for cellular neural networks with delays
Szerző: Győri István, et al.
Megjelent: (2004)

Speech de-identification with deep neural networks
Szerző: Fodor Ádám, et al.
Megjelent: (2021)

A new approach to neural network design [abstract] /
Szerző: Péter András, et al.
Megjelent: (1998)

Training of artificial neural networks by linear mappings [abstract] /
Szerző: Hoffmann Miklós, et al.
Megjelent: (1998)

FPGA-based clustering of multi-channel neural spike trains
Szerző: Schäffer László, et al.
Megjelent: (2016)

End-to-end convolutional neural networks for intent detection
Szerző: Yolchuyeva Sevinj, et al.
Megjelent: (2019)

QR code localization using deep neural networks
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Phone recognition with deep sparse rectifier neural networks
Szerző: Tóth László
Megjelent: (2013)

Semi-supervised training of cell-classifier neural networks
Szerző: Pap Gergely, et al.
Megjelent: (2018)

Deep Neural Network Embeddings for the Estimation of the Degree of Sleepiness
Szerző: Egas-Lopez Jose Vicente, et al.
Megjelent: (2021)

Practical and Theoretical Boundaries of Neural Network Quantum States
Szerző: Czégel András
Megjelent: (2022)

Football bet sizing using Artificial Neural Network
Szerző: Al-Hussein Mohammed
Megjelent: (2020)

Implementing a self-scaling convolutional neural network
Szerző: Jenei Bendegúz
Megjelent: (2018)

Robust Rule Based Neural Network Using Arithmetic Fuzzy Inference System
Szerző: Dombi József, et al.
Megjelent: (2022)

Decision tree combined with neural networks for financial forecast [abstract] /
Szerző: Bozsik József
Megjelent: (2010)

PoS-tagging and lemmatization with a deep recurrent neural network
Szerző: Ugray Gábor
Megjelent: (2019)

Replicator Neural Networks for Outlier Modeling in Segmental Speech Recognition
Szerző: Tóth László, et al.
Megjelent: (2004)

Document Classification with Deep Rectifier Neural Networks and Probabilistic Sampling
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Modeling of subdivision of scored tablets with the application of artificial neural networks
Szerző: Sovány Tamás, et al.
Megjelent: (2010)

Experimental applications of artificial neural networks in engineering processing system
Szerző: Dadvandipour S.
Megjelent: (2014)

Food science applications and international trends of artificial neural networks
Szerző: Nyitrai Ákos, et al.
Megjelent: (2018)

Graph neural networks for time series forecasting in water management
Szerző: Jankus Boróka
Megjelent: (2023)

Effective inclusion methods for verification of ReLU neural networks
Szerző: Szász Attila, et al.
Megjelent: (2024)

Modeling of film coating thickness with use of artificial neural networks [abstract] /
Szerző: Benayache Assia, et al.
Megjelent: (2023)

Solving problems in epidemiology using Physics-Informed Neural Networks [abstract] /
Szerző: Shoukat Affan
Megjelent: (2024)