Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloDeterministic design for neural network learning: An approach based on discrepancy
Anno di pubblicazione2004
Formato-
Autore/iCristiano Cervellera; Marco Muselli
Affiliazioni autoriCristiano Cervellera: Istituto di Studi sui Sistemi Intelligenti per l'Automazione, Consiglio Nazionale delle Ricerche, 16149 Genova, Italy. Marco Muselli: Istituto di Elettronica e di Ingegneria dell'Informazione e delle Telecomunicazioni, Consiglio Nazionale delle Ricerche, 16149 Genova, Italy.
Autori CNR e affiliazioni
  • CRISTIANO CERVELLERA VQR
  • MARCO MUSELLI VQR
Lingua/e-
AbstractThe general problem of reconstructing an unknown function from a finite collection of samples is considered, in case the position of each input vector in the training set is not fixed beforehand but is part of the learning process. In particular, the consistency of the empirical risk minimization (ERM) principle is analyzed, when the points in the input space are generated by employing a purely deterministic algorithm (deterministic learning). When the output generation is not subject to noise, classical number-theoretic results, involving discrepancy and variation, enable the establishment of a sufficient condition for the consistency of the ERM principle. In addition, the adoption of low-discrepancy sequences enables the achievement of a learning rate of O(1/L), with L being the size of the training set. An extension to the noisy case is provided, which shows that the good properties of deterministic learning are preserved, if the level of noise at the output is not high. Simulation results confirm the validity of the proposed approach.
Lingua abstract-
Altro abstract-
Lingua altro abstract-
Pagine da533
Pagine a544
Pagine totali-
RivistaIEEE transactions on neural networks
Attiva dal 1990 al 2011
Editore: Institute of Electrical and Electronics Engineers, - New York, NY
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 1045-9227
Titolo chiave: IEEE transactions on neural networks
Titolo proprio: IEEE transactions on neural networks
Titolo abbreviato: IEEE trans. neural netw.
Titoli alternativi:
  • Institute of Electrical and Electronics Engineers transactions on neural networks
  • Transactions on neural networks
  • Neural networks
Numero volume della rivista15
Fascicolo della rivista3
DOI10.1109/TNN.2004.824413
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000221483700001)
  • Scopus (Codice:2-s2.0-2542562008)
Parole chiaveDeterministic learning, discrepancy, empirical risk minimization (ERM), learning rate, variation
Link (URL, URI)-
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
  • ISSIA — Istituto di studi sui sistemi intelligenti per l'automazione
Moduli CNR
    Progetti Europei-
    Allegati
    • Articolo pubblicato

    Dati storici
    I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
    Area disciplinare
    • AI, Robotics & Automatic Control
    • Computer Science & Engineering
    Area valutazione CIVR
    • Scienze matematiche e informatiche
    • Ingegneria industriale e informatica
    Rivista ISIIEEE TRANSACTIONS ON NEURAL NETWORKS [09418J0]