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:
Efecto del grosor de la capa catalítica en el diámetro de los nanotubos de carbono individuales alineados verticalmente
Artículo:
Transferencia de calor entre un nanotubo de carbono individual y un entorno gaseoso en un amplio régimen de número de Knudsen
Artículo:
Autoensamblaje eficiente de sílice porosa recubierta de mPEG como nanoportador sensible al redox para la administración controlada de doxorubicina
Artículo:
Propiedades dieléctricas del papel fabricado a partir de pulpas cargadas con partículas ferroeléctricas
Artículo:
Nanocompuesto sPP/sílice a medida para el aislamiento ecológico de cables HVDC extruidos