Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Konferenzbeitrag

Stochastic Gradient Descent Training of Ensembles of DT-CNN Classifiers for Digit Recognition

MPG-Autoren
/persons/resource/persons45028

Merkwirth,  Christian
Computational Biology and Applied Algorithmics, MPI for Informatics, Max Planck Society;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PuRe verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Merkwirth, C., Ogorzalek, M., & Wichard, J. D. (2003). Stochastic Gradient Descent Training of Ensembles of DT-CNN Classifiers for Digit Recognition. In Proceedings of the 16th European Conference on Circuit Theory and Design ECCTD'03 (pp. 337-341). Krakow, Poland: Faculty of Electrical Engineering, Automatics, Computer Science and Electronics, AGH University of Science and Technology.


Zitierlink: https://hdl.handle.net/11858/00-001M-0000-000F-2E34-C
Zusammenfassung
We show how to train Discrete Time Cellular Neural Networks (DT-CNN) successfully by backpropagation to perform pattern recognition on a data set of handwritten digits. By using concepts and techniques from Machine Learning, we can outperform Support Vector Machines (SVM) on this problem.