Přejít k hlavnímu obsahu
top

Bibliografie

Journal Article

Robust RBF Finite Automata

Šorel Michal, Šíma Jiří

: Neurocomputing vol.62, p. 93-110

: IAB2030007, GA AV ČR, LN00A056, GA MŠk

: radial basis function, neural network, finite automaton, Boolean circuit, computational power

: 10.1016/j.neucom.2003.12.005

(eng): The computational power of recurrent RBF(radial basis functions) networks is investigated.A recurrent network which consists of O(sqrt(m logm)) RBF units with maximum norm employing any activation function that has different values in at least two nonnegative points,is constructed so as to implement a given deterministic finite automaton with m states.The underlying simulation proves to be robust with regard to analog noise for a large class of smooth activation functions with a special type of inflections.

(cze): Zkoumáme vypočetni sílu rekurentních RBF (radiálních bazických funkcí) sítí. Zkonstruujeme rekurentní síť s O(sqrt(m log m)) RBF jednotkami s kubickou normou a aktivační funkci nabývající různých hodnot alespoň ve dvou nezáporných bodech, která implementuje deterministický konečný automat s m stavy. Dokážeme, ze pro velkou třídu hladkých aktivačních funkci se speciálním typem inflexe je příslušná simulace robustní vůči omezenému analogovému šumu.

: 12

: BA