Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat 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 (Engelska)Ingår i: Science Robotics, Vol. 4, nr 30, artikel-id eaaw1329Artikel i tidskrift (Refereegranskat) 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.

Ort, förlag, år, upplaga, sidor
2019. Vol. 4, nr 30, artikel-id eaaw1329
Nationell ämneskategori
Elektroteknik och elektronik
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-251684DOI: 10.1126/scirobotics.aaw1329ISI: 000467971300001OAI: oai:DiVA.org:kth-251684DiVA, id: diva2:1316470
Anmärkning

QC 20190611

Tillgänglig från: 2019-05-17 Skapad: 2019-05-17 Senast uppdaterad: 2019-06-11Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

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

Sök vidare i DiVA

Av författaren/redaktören
Maki, Atsuto
Av organisationen
Robotik, perception och lärande, RPL
Elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 168 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf