CINECA IRIS Institutional Research Information System
IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.
EnglishIn this paper, we present a new class of quasi-Newton methods for the effective learning in large multilayer perceptron (MLP)-networks. The algorithms introduced in this work, named LQN, utilize an iterative scheme of a generalized BFGS-type method, involving a suitable family of matrix algebras L. The main advantages of these innovative methods are based upon the fact that they have an O(n log_2 n) complexity per step and that they require O(n) memory allocations. Numerical experiences, performed on a set of standard benchmarks of MLP-networks, show the competitivity of the LQN methods, especially for large values of n.
Bortoletti, A., Di Fiore, C., Fanelli, S., & Zellini, P. (2003). A new class of quasi-newtonian methods for optimal learning in MLP-networks. IEEE TRANSACTIONS ON NEURAL NETWORKS, 14(2), 263-273.
| Tipologia: | Articolo su rivista |
| Citazione: | Bortoletti, A., Di Fiore, C., Fanelli, S., & Zellini, P. (2003). A new class of quasi-newtonian methods for optimal learning in MLP-networks. IEEE TRANSACTIONS ON NEURAL NETWORKS, 14(2), 263-273. |
| IF: | Con Impact Factor ISI |
| Lingua: | English |
| Settore Scientifico Disciplinare: | Settore MAT/08 - Analisi Numerica |
| Revisione (peer review): | Sì, ma tipo non specificato |
| Tipo: | Articolo |
| Rilevanza: | Rilevanza internazionale |
| Stato di pubblicazione: | Pubblicato |
| Data di pubblicazione: | 2003 |
| Titolo: | A new class of quasi-newtonian methods for optimal learning in MLP-networks |
| Autori: | |
| Autori: | Bortoletti, A; Di Fiore, C; Fanelli, S; Zellini, P |
| Appare nelle tipologie: | 01 - Articolo su rivista |
File in questo prodotto:
http://hdl.handle.net/2108/14726
Copyright © 2021