En los últimos años, la investigación de las redes neuronales artificiales basadas en el cálculo fraccionario ha atraído mucha atención. En este trabajo, proponemos un modelo de red neuronal de retropropagación (BP) profunda de orden fraccionario con regularización L2. La red propuesta fue optimizada por el método de descenso de gradiente fraccionario con derivada de Caputo. También ilustramos las condiciones necesarias para la convergencia de la red propuesta. La influencia de la regularización L2 en la convergencia se analizó con el método variacional de orden fraccionario. Los experimentos se han realizado en el conjunto de datos MNIST para demostrar que la red propuesta era determinísticamente convergente y puede evitar eficazmente el sobreajuste.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Termoquímica computacional: en la búsqueda de la precisión química
Artículo:
Síntesis sencilla de un fotocatalizador de BiOCl dopado con N mediante un método hidrotérmico asistido con etilendiamina
Artículo:
La Cinética de Curado de Hidróxidos Dobles de Capa de Zn-Al Intercalados Multiescala [Ni(EDTA)]-2: Prepreg compuesto de fibra de vidrio y epoxi
Artículo:
Cálculo de constantes ópticas de películas delgadas de Cu3BiS3 a través del método de Wolfe
Artículo:
Efecto del Espesor de los Poros y del Estado de Polarización en las Propiedades Ópticas de la Nanoarray Hexagonal de Au/Membrana Anódica de Alúmina Nanoporosa
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Tesis:
Materiales y prácticas de construcción sostenible
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060