L1/2 regularization learning for smoothing interval neural networks: Algorithms and convergence analysis

Interval neural networks can easily address uncertain information, since they are capable of handling various kinds of uncertainties inherently which are represented by interval. Lq (0 < q < 1) regularization was proposed after L1 regularization for better solution of sparsity problems, among...

Celý popis

Podrobná bibliografie

Vydáno v:	Neurocomputing (Amsterdam) Ročník 272; s. 122 - 129
Hlavní autoři:	Yang, Dakun, Liu, Yan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 10.01.2018
Témata:	Batch gradient algorithm Convergence Interval computation Interval neural network Smoothing L1/2 regularization Batch gradient algorithm Interval computation Interval neural network Smoothing L1/2 regularization Convergence
ISSN:	0925-2312, 1872-8286
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!