Performance of back propagation networks for associative database retrieval

Το τεκμήριο παρέχεται από τον φορέα :
ΤΕΙ Αθήνας
Αποθετήριο :
Υπατία - Ιδρυματικό Αποθετήριο
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο

1989 (EL)
Performance of back propagation networks for associative database retrieval (EN)

Βασιλάς, Νικόλαος (EL)
Cherkassky, Vladimir (EN)

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθήνας. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε. (EL)

Back-propagation networks have been successfully used to perform a variety of input-output mapping tasks for recognition, generalization, and classification. In spite of this method's popularity, virtually nothing is known about its saturation/capacity and, in more general terms, about its performance as an associative memory. The authors address these issues using associative database retrieval as an original application domain. Experimental results show that the quality of recall and the network capacity are very significantly affected by the network topology (the number of hidden units), data representation (encoding), and the choice of learning parameters. On the basis of their results and the fact that back-propagation learning is not recursive, the authors conclude that back-propagation networks can be used mainly as read-only associative memories and represent a poor choice for read-and-write associative memories. (EN)


propagation networks (EN)
Electric network topology (EN)
τοπολογία δικτύου (EN)
δίκτυα διάδοσης (EN)
συνδυαστική ανάκτηση της βάσης δεδομένων (EN)
associative database retrieval (EN)

ΤΕΙ Αθήνας (EL)
Technological Educational Institute of Athens (EN)


Αγγλική γλώσσα


DOI: 10.1109/IJCNN.1989.118562


*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.