W BIAŁYMSTOKU
Proszę używać tego identyfikatora do cytowań lub wstaw link do tej pozycji:
http://hdl.handle.net/11320/14243| Tytuł: | Compactness of Neural Networks |
| Autorzy: | Miyajima, Keiichi Yamazaki, Hiroshi |
| Słowa kluczowe: | neural network compactness Ascoli-Arzela’s theorem equicontinuousness of continuous functions equiboundedness of continuous functions |
| Data wydania: | 2022 |
| Data dodania: | 29-gru-2022 |
| Wydawca: | DeGruyter Open |
| Źródło: | Formalized Mathematics, Volume 30, Issue 1, Pages 13-21 |
| Abstrakt: | In this article, Feed-forward Neural Network is formalized in the Mizar system [1], [2]. First, the multilayer perceptron [6], [7], [8] is formalized using functional sequences. Next, we show that a set of functions generated by these neural networks satisfies equicontinuousness and equiboundedness property [10], [5]. At last, we formalized the compactness of the function set of these neural networks by using the Ascoli-Arzela’s theorem according to [4] and [3]. |
| Afiliacja: | Keiichi Miyajima - Ibaraki University, Faculty of Engineering, Hitachi, Ibaraki, Japan Hiroshi Yamazaki - Nagano Prefectural Institute of Technology, Nagano, Japan |
| URI: | http://hdl.handle.net/11320/14243 |
| DOI: | 10.2478/forma-2022-0002 |
| ISSN: | 1426-2630 |
| e-ISSN: | 1898-9934 |
| Typ Dokumentu: | Article |
| metadata.dc.rights.uri: | https://creativecommons.org/licenses/by-sa/3.0/ |
| Właściciel praw: | © 2022 The Author(s) CC BY-SA 3.0 license |
| Występuje w kolekcji(ach): | Formalized Mathematics, 2022, Volume 30, Issue 1 |
Pliki w tej pozycji:
| Plik | Opis | Rozmiar | Format | |
|---|---|---|---|---|
| 10.2478_forma-2022-0002.pdf | 271,73 kB | Adobe PDF | Otwórz |
Pozycja ta dostępna jest na podstawie licencji Licencja Creative Commons CCL
