Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Non-parametric e-mixture of Density Functions Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Automatic Design of Neural Network Structures Using AiS

verfasst von : Toshisada Mariyama, Kunihiko Fukushima, Wataru Matsumoto

Erschienen in: Neural Information Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Structures of neural networks are usually designed by experts to fit target problems. This study proposes a method to automate small network design for a regression problem based on the Add-if-Silent (AiS) function used in the neocognitron. Because the original AiS is designed for image pattern recognition, this study modifies the intermediate function to be Radial Basis Function (RBF). This study shows that the proposed method can determine an optimized network structure using the Bike Sharing Dataset as one case study. The generalization performance is also shown.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Acceleration of Word2vec Using GPUs
Nächstes Kapitel Sequential Collaborative Ranking Using (No-)Click Implicit Feedback
Literatur
1.
Fukushima, K.: Neocognitron: a self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biol. Cybern. 36(4), 193–202 (1980)CrossRefMATH
2.
3.
4.
Fukushima, K.: Artificial vision by multi-layered neural networks: neocognitron and its advances. Neural Netw. 37, 103–109 (2013)CrossRef
5.
Fukushima, K., Shouno, H.: Deep convolutional network neocognitron: improved interpolating-vector. In: International Joint Conference on Neural Networks 2015, Killarney, Ireland, pp. 1603–1610 (2015)
6.
Hadi, F., Joao, G.: Event labeling combining ensemble detectors and background knowledge. Prog. Artif. Intell. 2, 1–15 (2013). Springer, HeidelbergCrossRef
7.
Akaike, H.: Information theory and an extension of the maximum likelihood principle. In: Proceedings of the 2nd Informational Symposium on Information Theory, Akadimiai Kiado, Budapest, pp. 267–281 (1973)
8.
Kim, S., Tadesse, M.G., Vannucci, M.: Variable selection in clustering via Dirichlet mixture models. Biometrika 93(4), 877–893 (2006)MathSciNetCrossRefMATH
9.
Kurihara, K., Welling, M., Vlassis, N.: Accelerated variational dirichlet process mixtures. In: NIPS (2006)
10.
Hagiwara, K., Toda, N., Usui, S.: On the problem of applying AIC to determine the structure of a layered feedforward neural network. In: Proceedings of 1993 International Joint Conference on Neural Networks, Nagoya, pp. 2263–2266 (1993)
Metadaten
Titel
Automatic Design of Neural Network Structures Using AiS
verfasst von
Toshisada Mariyama
Kunihiko Fukushima
Wataru Matsumoto
Copyright-Jahr
2016
Buch
Neural Information Processing

Print ISBN: 978-3-319-46671-2

Electronic ISBN: 978-3-319-46672-9

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-46672-9_32

Premium Partner

    Bildnachweise