...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Neural Networks >Training data development with the D-optimality criterion
【24h】

Training data development with the D-optimality criterion

机译：使用D优化准则训练数据开发

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The importance of using optimum experimental design (OED) concepts when selecting data for training a neural network is highlighted in this paper. We demonstrate that an optimality criterion borrowed from another field; namely the D-optimality criterion used in OED, can be used to enhance the training value of a small training data set. This is important in cases where resources are limited, and collecting data is expensive, hazardous, or time consuming. The analysis results in the cases considered indicate that even with a small set of training examples, so long as the training data set was chosen according to the D-optimality criterion, the network was able to generalize, and as a result, was able to fit complex surfaces.
机译：本文强调了在选择数据训练神经网络时使用最佳实验设计（OED）概念的重要性。我们证明了最优准则是从另一个领域借来的。即OED中使用的D最优性准则可以用来增强小型训练数据集的训练值。这在资源有限且收集数据昂贵，危险或耗时的情况下非常重要。所考虑案例的分析结果表明，即使仅使用少量训练示例，只要根据D最优性标准选择训练数据集，网络就能够进行概括，因此能够适合复杂的表面。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号