Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
In this work, the localized generalization error model (L-GEM) for multilayer perceptron neural network (MLPNN) is derived. The L-GEM is inspired by the fact that a classifier should not be required to recognize unseen samples that are very different from the training samples. Therefore, evaluating a classifier by very different unseen samples may be counter-productive. In the L-GEM, the ldquolocalrdquo...
In this work, we study the statistical output sensitivity measure of a trained single layer preceptron neural network to input perturbation. This quantitative measure computes the expectation of absolute output deviations due to input perturbation with respect to all possible inputs. This is an important first step to the study of the statistical output sensitivity measure of multilayer perceptron...
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.