Wyszukiwanie zaawansowane ?

Obiekt

A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3
Pobierz

Tytuł: A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3

Autor:

Ponti, Francesca ; Frezza, Fabrizio ; Simeoni, Patrizio ; Parisi, Raffaele

Data wydania:

2024, nr 3

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2024, nr 3, JTIT-artykuły

Abstrakt:

Optimization of machine learning architectures is essential in determining the efficacy and the applicability of any neural architecture to real world problems. In this work a generalized Newton's method (GNM) is presented as a powerful approach to learning in deep neural networks (DNN). This technique was compared to two popular approaches, namely the stochastic gradient descent (SGD) and the Adam algorithm, in two popular classification tasks. The performance of the proposed approach confirmed it as an attractive alternative to state-of-the-art first order solutions. Due to the good results presented in the case of shallow DNN, in the last part of the article an hybrid optimization Method is presented. This method consists in combining two optimization algorithms, i.e. GNM and Adam or GNM and SGD, during the training phase within the layers of the neural network. This configuration aims to benefit from the strengths of both first- and second-order algorithms. In this case a convolutional neural network is considered and its parameters are updated with a different optimization algorithm. Also in this case, the hybrid approach returns the best performance with respect to the first order algorithms

Numer:

3

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

oai:bc.itl.waw.pl:2353 ; ISSN 1509-4553, on-line: ISSN 1899-8852

DOI:

10.26636/jtit.2024.3.1454

ISSN:

1509-4553

eISSN:

1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Licencja:

CC BY 4.0

Właściciel praw:

Instytut Łączności - Państwowy Instytut Badawczy

Temat i słowa kluczowe:

deep neural networks machine learning optimization

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

2 paź 2024

Data dodania obiektu:

2 paź 2024

Liczba wyświetleń treści obiektu:

23

Wszystkie dostępne wersje tego obiektu:

https://bc.itl.waw.pl/publication/2666

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Ponti, Francesca; Frezza, Fabrizio; Simeoni, Patrizio, A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3 2 paź 2024

Obiekty Podobne
Convolutional Neural Networks for C. Elegans Muscle Age Classification Using Only Self-learned Features, Journal of Telecommunications and Information Technology, 2022, nr 4

Dzwonkowski, Mariusz Czaplewski, Bartosz Panas, Damian

2022, nr 4
artykuł
Analytical Investigation on a New Approach for Achieving Deep Penetration in a Lossy Medium: The Lossy Prism, Journal of Telecommunications and Information Technology, 2017, nr 3

Simeoni, Patrizio Tedeschi, Nicola Frezza, Fabrizio

2017, nr 3
artykuł
Numerical Evaluation of Electromagnetic-wave Penetration at Normal Incidence through an Inhomogeneous-wave Approach, Journal of Telecommunications and Information Technology, 2018, nr 2

Simeoni, Patrizio Tedeschi, Nicola Frezza, Fabrizio Calcaterra, Alessandro

2018, nr 2
artykuł
Detection of Monocrystalline Silicon Wafer Defects Using Deep Transfer Learning, Journal of Telecommunications and Information Technology, 2022, nr 1

Fauzi, Ahmad Hadinata Iskandar, D. N. F. Awang Ganum, Adriana Chin, Lim Phei

2022, nr 1
artykuł
Network Traffic Classification in an NFV Environment using Supervised ML Algorithms, Journal of Telecommunications and Information Technology, 2021, nr 3

Latkoski, Pero Ilievski, Gjorgji

2021, nr 3
artykuł
Manipulation of compressed data using MPEG-7 low level audio descriptors, Journal of Telecommunications and Information Technology, 2003, nr 2

Harders, Nick Perrow, Shane Stirling, David Lukasiak, Jason

2003, nr 2
artykuł
Contextual probability, Journal of Telecommunications and Information Technology, 2003, nr 3

Wang, Hui

2003, nr 3
artykuł
2023, nr 4, JTIT-artykuły
2023, nr 4, JTIT-artykuły
Designing Smart Antennas Using Machine Learning Algorithms, Journal of Telecommunications and Information Technology, 2023, nr 4

Samantaray, Barsa Das, Kunal Kumar Roy, Jibendu Sekhar

2023
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji