Le reti neurali sono modelli di regressione non parametrica interessanti per la loro efficacia in presenza di un elevato numero di variabili esplicative. Tra i vari schemi di rete neurale quello di tipo RBF ad apprendimento rapido si caratterizza per un processo di stima estremamente semplice. In questo lavoro viene esplicitata la velocità di convergenza delle reti RBF ad apprendimento rapido mettendo in evidenza come, sotto tenui ipotesi di regolarità, questa non dipenda dal numero di regressori utilizzati.
Mancuso, D. A., Rates of convergence for fast learning RBF neural nets, in XLII Riunione ScientificaBari, 9-11 giugno 2004, (Bari, 09-11 June 2004), Cleup, Padova 2004: 59-62 [http://hdl.handle.net/10807/21465]
Rates of convergence for fast learning RBF neural nets
Mancuso, Diego Attilio
2004
Abstract
Le reti neurali sono modelli di regressione non parametrica interessanti per la loro efficacia in presenza di un elevato numero di variabili esplicative. Tra i vari schemi di rete neurale quello di tipo RBF ad apprendimento rapido si caratterizza per un processo di stima estremamente semplice. In questo lavoro viene esplicitata la velocità di convergenza delle reti RBF ad apprendimento rapido mettendo in evidenza come, sotto tenui ipotesi di regolarità, questa non dipenda dal numero di regressori utilizzati.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
