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