Improving the Accuracy of Neural Network Pattern Recognition by Fractional Gradient Descent

In this paper we propose the fractional gradient descent for increasing the training and work of modern neural networks. This optimizer searches the global minimum of the loss function considering the fractional gradient directions achieved by Riemann-Liouville, Caputo, and Grunwald-Letnikov derivat...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς:	Abdulkadirov, R. I., Абдулкадиров, Р. И., Lyakhov, P. A., Ляхов, П. А., Baboshina, V. A., Бабошина, В. А., Nagornov, N. N., Нагорнов, Н. Н.
Μορφή:	Статья
Γλώσσα:	English
Έκδοση:	Institute of Electrical and Electronics Engineers Inc. 2024
Θέματα:	Caputo Stochastic gradient descent Convolutional neural networks Fractional derivatives of Riemann-Liouville Grunwald-Letnikov Multilayer perceptron Optimization algorithms
Διαθέσιμο Online:	https://dspace.ncfu.ru/handle/123456789/29336
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

Διαδίκτυο

https://dspace.ncfu.ru/handle/123456789/29336

Improving the Accuracy of Neural Network Pattern Recognition by Fractional Gradient Descent

Διαδίκτυο

Παρόμοια τεκμήρια