Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Toward principled regularization of deep networks: From weight decay to feature contraction
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL.ORCID-id: 0000-0002-4266-6746
2019 (engelsk)Inngår i: Science Robotics, Vol. 4, nr 30, artikkel-id eaaw1329Artikkel i tidsskrift (Fagfellevurdert) Published
Abstract [en]

Training deep artificial neural networks for classification problems may benefit from exploiting intrinsic class similarities by way of network regularization that compensates for a drawback in the commonly used target error.

sted, utgiver, år, opplag, sider
2019. Vol. 4, nr 30, artikkel-id eaaw1329
HSV kategori
Forskningsprogram
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-251684DOI: 10.1126/scirobotics.aaw1329ISI: 000467971300001Scopus ID: 2-s2.0-85067019337OAI: oai:DiVA.org:kth-251684DiVA, id: diva2:1316470
Merknad

QC 20190611

Tilgjengelig fra: 2019-05-17 Laget: 2019-05-17 Sist oppdatert: 2020-03-09bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

Forlagets fulltekstScopushttps://robotics.sciencemag.org/content/4/30/eaaw1329.full?ijkey=UKAi2RNJu83aI&keytype=ref&siteid=robotics

Søk i DiVA

Av forfatter/redaktør
Maki, Atsuto
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetric

doi
urn-nbn
Totalt: 305 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf