Development and convergence analysis of training algorithms with local learning rate adaptation

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών   

Αποθετήριο :
Πέργαμος   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Development and convergence analysis of training algorithms with local learning rate adaptation

Magoulas, GD Plagianakos, VP Vrahatis, MN

A new theorem for the development and convergence analysis of supervised training algorithms with an adaptive learning rate for each weight is presented. Based on this theoretical result, a strategy is proposed to automatically adapt the search direction, as well as the stepsize length along the resultant search direction. This strategy is applied to some well known local learning algorithms to investigate its effectiveness. (EN)

scientific_publication_inproceedings
Επιστημονική δημοσίευση - Ανακοίνωση Συνεδρίου (EL)
Scientific publication - Conference Paper (EN)


Αγγλική γλώσσα

2000-01-01

https://pergamos.lib.uoa.gr/uoa/dl/object/uoadl:3052733
uoadl:3052733

IEEE Comput. Soc (EL)
IEEE Comput. Soc (EN)





*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.