Performance evaluation of a novel Conjugate Gradient Method for training feed forward neural network

Gespeichert in:

Bibliographische Detailangaben
Datum:	2023
Hauptverfasser:	K. Kamilu, M. I. Sulaiman, A. L. Muhammad, A. W. Mohamad, M. Mamat
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2023
Schriftenreihe:	Mathematical Modeling and Computing
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001445997
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Library portal of National Academy of Sciences of Ukraine \| LibNAS

Institution

Library portal of National Academy of Sciences of Ukraine | LibNAS

Ähnliche Einträge

Comparative Features of Multilayered Iterative Algorithm GMDH and Deep Feed-Forward Neural Networks
von: O. H. Moroz, et al.
Veröffentlicht: (2021)

Stochastic generalized gradient methods for training nonconvex nonsmooth neural networks
von: V. I. Norkin
Veröffentlicht: (2021)

Smoothed Analysis for the Conjugate Gradient Algorithm
von: Menon, G., et al.
Veröffentlicht: (2016)

Scalability of Parallel Batch Pattern Neural Network Training Algorithm
von: Turchenko, V.
Veröffentlicht: (2009)

Modelling videocard memory performance for LLM neural networks
von: Rahozin, D.V., et al.
Veröffentlicht: (2024)

Study of stochastic gradient methods for optimization of algorithms of learning artificial neural networks
von: T. A. Samoljuk
Veröffentlicht: (2017)

Software package for adaptive training of robot controllers based on neural networks
von: Vitiuk, A.Y., et al.
Veröffentlicht: (2023)

Analysis of Artificial Neural Networks Training Models for Airfare Price Prediction
von: Ye. O. Kuptsova, et al.
Veröffentlicht: (2020)

A classification of text as images using neural networks pre-trained on the imagenet
von: V. Slyusar
Veröffentlicht: (2023)

Substantiation of the backpropagation technique via the Hamilton—Pontryagin formalism for training nonconvex nonsmooth neural networks
von: V. I. Norkin
Veröffentlicht: (2019)

Substantiation of the backpropagation technique via the Hamilton—Pontryagin formalism for training nonconvex nonsmooth neural networks
von: Norkin, V.I.
Veröffentlicht: (2019)

Sonvergence of Sequential Gradient Learning Algorithms in Neural Networks for Online Identification of Nonlinear Systems: a Special Case
von: L. S. Zhiteckii, et al.
Veröffentlicht: (2015)

A new modified conjugate gradient method under the strong Wolfe line search for solving unconstrained optimization problems
von: M. I. Ishak, et al.
Veröffentlicht: (2022)

Valency-based and non-valency based conjugability of verbs to perform / have performed in musical texts
von: S. I. Stashkiv
Veröffentlicht: (2022)

Сonvergence of Sequential Gradient Learning Algorithms in Neural Networks for Online Identification of Nonlinear Systems: a Special Case
von: Zhiteckii, L.S., et al.
Veröffentlicht: (2015)

Application of neural networks in the classification of medical images textures
von: R. Dzierїak, et al.
Veröffentlicht: (2018)

Application of neural networks in the classification of medical images textures
von: Dzierżak, R., et al.
Veröffentlicht: (2018)

Anthropomorphic information networks and converging technologies: challenge to humanity vs step forward?
von: S. Yahodzinskyi
Veröffentlicht: (2023)

Brain and Artificial Neural Networks
von: V. V. Storozh
Veröffentlicht: (2013)

An exponential evaluation for recurrent neural network with discrete delays
von: V. P. Martseniuk, et al.
Veröffentlicht: (2019)

Predictive Performance of Artificial Neural Network and Multiple Linear Regression Models in Predicting Adhesive Bonding Strength of Wood
von: Bardak, S., et al.
Veröffentlicht: (2016)

Performance Evaluation of Computer Campus Network Segments
von: Ya. M. Antonyuk
Veröffentlicht: (2018)

Formal verification of deep neural networks
von: Panchuk, B.O.
Veröffentlicht: (2024)

Application of neural networks in OLAP-systems
von: Nabibayeva, G.Ch.
Veröffentlicht: (2024)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Usage of artificial neural networks in the energy sector
von: Lazarenko, D.V.
Veröffentlicht: (2016)

Application of neural network technologies in NDT systems
von: V. S. Yeremenko, et al.
Veröffentlicht: (2012)

Neural network synthesis based on evolutionary optimization
von: Oliinyk, A.A., et al.
Veröffentlicht: (2015)

Neural network for seismic shaking intensity modeling
von: Lazarenko, M., et al.
Veröffentlicht: (2010)

Neural network modeling of graphic recognition processes
von: Ye. M. Chichirin, et al.
Veröffentlicht: (2019)

Optimization of autotuning of programs using neural networks
von: Yu. Doroshenko, et al.
Veröffentlicht: (2017)

Neural Network Technologies in the Problem of Handwriting Recognition
von: A. D. Goltsev, et al.
Veröffentlicht: (2018)

Neural network synthesis based on evolutionary optimization
von: A. A. Oliinyk, et al.
Veröffentlicht: (2015)

Recurrent neural network model for music generation
von: Komarskiy, O.C., et al.
Veröffentlicht: (2022)

Usage of artificial neural networks in the energy sector
von: D. V. Lazarenko
Veröffentlicht: (2016)

Synthesis of optimal structure of deep neural network
von: Yu. Koval, et al.
Veröffentlicht: (2016)

Neural network for seismic shaking intensity modeling
von: M. Lazarenko, et al.
Veröffentlicht: (2010)

On the centrality determination with forward proton detectors
von: K. Cieśla, et al.
Veröffentlicht: (2019)

On the centrality determination with forward proton detectors
von: K. Cieśla, et al.
Veröffentlicht: (2019)