$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada





Título: UNA NUEVA METODOLOGÍA PARA EL ENTRENAMIENTO EN REDES NEURALES MULTICAMADAS
Autor: CARLOS EDUARDO PEDREIRA
Instituição:  -
Colaborador(es):  -
Nº do Conteudo: 406
Catalogação:  09/01/2000 Idioma(s):  PORTUGUESE - BRAZIL
Tipo:  TEXT Subtipo:  PAPER
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=406&idi=1
Referência [es]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=406&idi=4

Resumo:
Este artí­culo presenta una metodologí­a de aprendizaje supervisionado no usual basada en un operador bautizado de Operador de Extensión. Las redes neurales multicamadas se abordan sobre la óptica de este operador, lo que produce ciertas ventajas en comparación a los algoritmos de entrenamiento tradicionales. Además de una visión sistematizada de algunas cuestiones de gran importancia como generalización e incorporación de información a priori. En el algoritmo propuesto el número de parámetros a estimar es inferior al algoritmo de Retropropagación, propiciando así­, entre otras ventajas, una mayor probabilidad de generalización. Se presenta un conjunto de resultados numéricos. El Informe interno está en fase de submisión.

Descrição Arquivo
EN SU TOTALIDAD  PDF  
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui