Batch Gradient Learning Algorithm with Smoothing L1 Regularization for Feedforward Neural Networks

Regularization techniques are critical in the development of machine learning models. Complex models, such as neural networks, are particularly prone to overfitting and to performing poorly on the training data. L1 regularization is the most extreme way to enforce sparsity, but, regrettably, it does...

Celý popis

Podrobná bibliografie

Vydáno v:	Computers (Basel) Ročník 12; číslo 1; s. 4
Hlavní autor:	Mohamed, Khidir Shaib
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 01.01.2023
Témata:	Algorithms Artificial neural networks Brain Convergence Error functions Machine learning Neural networks Neurons Optimization Regularization Regularization methods Smoothing Sparsity
ISSN:	2073-431X, 2073-431X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!