Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2117/133506
|
Título:
|
Towards fast hybrid deep kernel learning methods
|
|
Autor/a:
|
Lara Miquel, Miquel
|
|
Otros autores:
|
Universitat Politècnica de Catalunya. Departament de Ciències de la Computació; Belanche Muñoz, Luis Antonio |
|
Abstract:
|
El treball estudia la millor manera de crear xarxes neuronals híbrides amb mètodes kernel mitjançant dues aproximacions de kernel diferents, random Fourier features i el mètode Nystrom, i la millor manera d'entrenar-les, amb RMSprop i stochastic gradient descent. |
|
Materia(s):
|
-Àrees temàtiques de la UPC::Informàtica
-Neural networks (Computer science)
-Machine learning
-Kernel functions
-hybrid neural networks
-optimization
-random fourier features
-nystrom method
-rmsprop
-stochastic gradient descent
-simultaneous perturbation stochastic approximation
-radial basis function kernel
-tensorflow
-deep learning
-fashion mnist
-mnist
-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
