Theory I: Why and When Can Deep Networks Avoid the Curse of Dimensionality?

Tomaso, Poggio; Hrushikesh, Mhaskar; Rosasco, Lorenzo; Brando, Miranda; Qianli, Liao

CINECA IRIS Institutional Research Information System

IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.

The paper characterizes classes of functions for which deep learning can be exponentially better than shallow learning. Deep convolutional networks are a special case of these conditions, though weight sharing is not the main reason for their exponential advantage.

Risorse UNIGE

Titolo:	Theory I: Why and When Can Deep Networks Avoid the Curse of Dimensionality?
Autori:	Tomaso Poggio Hrushikesh Mhaskar ROSASCO, LORENZO Brando Miranda Qianli Liao mostra contributor esterni nascondi contributor esterni
Data di pubblicazione:	2016
Handle:	http://hdl.handle.net/11567/888629
Appare nelle tipologie:	07.12 - Altro

File in questo prodotto:

File	Descrizione	Tipologia
Theory I Why and When Can Deep Networks Avoid the Curse of Dimensionality.pdf		Documento in versione editoriale	Open Access Visualizza/Apri

Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/11567/888629

Citazioni

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.