Mathematical Statement of the Problem of Multilayer Perceptron Training from Classical Optimization Point of View

Nikolaeva Y.V.

Abstract


The paper considers the mathematical statement of the problem of neural network training. It describes an alternative version of the multi-layer perceptron learning based on classical optimization methods, and reduction of the learning problem to discrete linear optimal control problem.

Keywords


neural network, multilayer perceptron, optimal control

References References

Rumelhart D. E., Hinton G. E., Williams R. J. Learning representations by back-propagating errors. - Nature 323 (1986). - P. 533-536.

Nikolaeva Yu. V. The neural networks. The multilayer perceptron // Communication of Students, Master Students and Post-Graduates in Academic, Professional and Scientific Fields : материалы межвуз. студ. науч. конф. - 2011.

Николаева Ю. В. Нормировка данных для нейронных сетей // Молодые ученые - ускорению научно-технического прогресса в XXI веке : сб. материалов III Всерос. науч.-техн. конф. аспирантов, магистрантов и молодых ученых с междунар. участием (Ижевск, 22-23 апреля 2015 года) / ИжГТУ имени М. Т. Калашникова.

Сучкова Е. А. Консолидация данных в системах поддержки принятия решения // Перспективы развития научных исследований в 21 веке : сб. материалов 9-й Междунар. науч.-практ. конф. (г. Махачкала, 31 октября 2015 г.). - Махачкала : Апробация, 2015. - 234 с.

Автоматизированные нейронные сети [Электронный ресурс statsoft.ru]. - URL: http://www.statsoft.ru/products/ STATISTICA_Neural_Networks/ (дата обращения: 01.12.2015).

Там же.

Выбор функции активации и обучения нейронной сети [Электронный ресурс rae.ru]. - URL: http://www.rae.ru/ monographs/65-2465 (дата обращения: 01.12.2015).

Понтрягин Л. С. Математическая теория оптимальных процессов. - 3-е изд. - М. : Наука, 1976. - 392 с.


Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM


Copyright (c) 2016 Bulletin of Kalashnikov ISTU

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


ISSN 1813-7903 (Print)
ISSN 2413-1172 (Online)