1 resultado para ORTHO-QUINONES
em Bulgarian Digital Mathematics Library at IMI-BAS
Filtro por publicador
- University of Cagliari UniCA Eprints (1)
- Adam Mickiewicz University Repository (2)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (3)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (4)
- Aquatic Commons (6)
- ArchiMeD - Elektronische Publikationen der Universität Mainz - Alemanha (19)
- Aston University Research Archive (6)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (17)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (17)
- Biblioteca Digital de Teses e Dissertações Eletrônicas da UERJ (3)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (12)
- Brock University, Canada (8)
- Bucknell University Digital Commons - Pensilvania - USA (2)
- Bulgarian Digital Mathematics Library at IMI-BAS (1)
- CaltechTHESIS (6)
- Cambridge University Engineering Department Publications Database (2)
- CentAUR: Central Archive University of Reading - UK (22)
- Chinese Academy of Sciences Institutional Repositories Grid Portal (44)
- Cochin University of Science & Technology (CUSAT), India (3)
- Comissão Econômica para a América Latina e o Caribe (CEPAL) (1)
- CORA - Cork Open Research Archive - University College Cork - Ireland (1)
- Digital Commons - Michigan Tech (1)
- Digital Commons at Florida International University (5)
- DigitalCommons - The University of Maine Research (2)
- DigitalCommons@The Texas Medical Center (1)
- Digitale Sammlungen - Goethe-Universität Frankfurt am Main (2)
- Duke University (3)
- eScholarship Repository - University of California (1)
- Harvard University (10)
- Helda - Digital Repository of University of Helsinki (5)
- Indian Institute of Science - Bangalore - Índia (66)
- INSTITUTO DE PESQUISAS ENERGÉTICAS E NUCLEARES (IPEN) - Repositório Digital da Produção Técnico Científica - BibliotecaTerezine Arantes Ferra (1)
- Instituto Nacional de Saúde de Portugal (1)
- Instituto Politécnico de Bragança (1)
- Instituto Politécnico de Viseu (2)
- Instituto Politécnico do Porto, Portugal (1)
- Memoria Académica - FaHCE, UNLP - Argentina (3)
- National Center for Biotechnology Information - NCBI (11)
- Plymouth Marine Science Electronic Archive (PlyMSEA) (1)
- Portal de Revistas Científicas Complutenses - Espanha (1)
- Publishing Network for Geoscientific & Environmental Data (24)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (24)
- Queensland University of Technology - ePrints Archive (21)
- RCAAP - Repositório Científico de Acesso Aberto de Portugal (1)
- Repositório Científico do Instituto Politécnico de Lisboa - Portugal (1)
- Repositório Institucional da Universidade de Aveiro - Portugal (5)
- Repositório Institucional da Universidade Federal do Rio Grande - FURG (1)
- Repositório Institucional da Universidade Federal do Rio Grande do Norte (1)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (73)
- Universidad de Alicante (3)
- Universidad del Rosario, Colombia (6)
- Universidad Politécnica de Madrid (1)
- Universidade de Lisboa - Repositório Aberto (1)
- Universidade Federal do Pará (8)
- Universidade Federal do Rio Grande do Norte (UFRN) (11)
- Universidade Metodista de São Paulo (1)
- Universitat de Girona, Spain (2)
- Universitätsbibliothek Kassel, Universität Kassel, Germany (1)
- Université de Lausanne, Switzerland (1)
- Université de Montréal (1)
- Université de Montréal, Canada (7)
- University of Michigan (14)
- University of Queensland eSpace - Australia (2)
Relevância:
Resumo:
In the paper new non-conventional growing neural network is proposed. It coincides with the Cascade- Correlation Learning Architecture structurally, but uses ortho-neurons as basic structure units, which can be adjusted using linear tuning procedures. As compared with conventional approximating neural networks proposed approach allows significantly to reduce time required for weight coefficients adjustment and the training dataset size.