Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2117/119034
|
Título:
|
New hybrid kernel architectures for deep learning
|
|
Autor/a:
|
Mora de Checa, Daniel
|
|
Otros autores:
|
Belanche Muñoz, Luis Antonio |
|
Abstract:
|
In this work we explore the possibilities of combining neural network architectures and kernel methods by introducing hybrid kernel blocks. We present hybrid architectures which can be trained as traditional neural networks and introduce novel training and regularization methodologies for them. |
|
Materia(s):
|
-Àrees temàtiques de la UPC::Informàtica
-Neural networks (Computer science)
-Machine learning
-Kernel functions
-mètodes kernel
-deep learning
-regularització
-CNN
-kernel methods
-neural networks
-regularization
-Xarxes neuronals (Informàtica)
-Aprenentatge automàtic
-Kernel, Funcions de |
|
Derechos:
|
|
|
Tipo de documento:
|
Trabajo fin de máster |
|
Editor:
|
Universitat Politècnica de Catalunya
|
|
Compartir:
|
|
Mostrar el registro completo del ítem
