Estudiamos la aplicación de una función objetivo regularizada en redes multicapas entrenadas por Backpropagation a fin de lograr una Red Neuronal de tamaño mínimo. Se compara la convergencia de las redes así obtenidas para varias funciones de regularización. Se muestran resultados para problemas de clasificación que tienen diverso grado de dificultad para ser aprendidos. Se estudia también la existencia de una zona óptima de aplicación del proceso de regularización en el espacio de las conexiones.
To obtain a neural network of minimum size we applied a regularized objective function in multilayer perceptron trained with backpropagation algorithm. The convergence is compared among diverse regularization functions. We show results for various classification problems. We also study the existence an optimal zone in which the regularization process must be applied.
| Título: | Obtención de perceptrones multicapas de mínimo tamaño usando métodos de regularización |
| Autor: | Horas, Jorge Alberto; Galanzini, Juan Pablo; Kavka, Carlos |
| Fecha: | 1999 |
| Título revista: | Anales AFA |
| Editor: | Asociación Física Argentina |
| Handle: | http://hdl.handle.net/20.500.12110/afa_v11_n01_p030 |
| Ciudad: | Villa Martelli, Buenos Aires |
| Idioma: | Español |
| Año: | 1999 |
| Volumen: | 11 |
| Número: | 01 |
| Título revista abreviado: | An. (Asoc. Fís. Argent., En línea) |
| ISSN: | 1850-1168 |
| Formato: | |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/afa/afa_v11_n01_p030.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/afa/document/afa_v11_n01_p030 |
