Biblioteca122.294 documentos en línea

Artículo

Discovering and Characterizing Hidden Variables Using a Novel Neural Network Architecture: LO-NetDescubrimiento y caracterización de variables ocultas mediante una nueva arquitectura de red neuronal: LO-Net

Resumen

Las entidades teóricas son aspectos del mundo que no pueden ser percibidos directamente pero que, sin embargo, son relevantes causalmente. La investigación científica ha descubierto muchas de estas entidades, como los agujeros negros y la materia oscura. Sostenemos que las entidades teóricas, o variables ocultas, son importantes para el desarrollo de conceptos dentro de la vida de un individuo y presentamos una novedosa arquitectura de red neuronal que resuelve tres problemas relacionados con las entidades teóricas: (1) descubrir que existen, (2) determinar su número y (3) calcular sus valores. Experimentos muestran la utilidad del enfoque propuesto utilizando sistemas dinámicos temporales discretos, en los cuales algunas variables de estado están ocultas, y datos de sensores obtenidos de la cámara de un robot móvil, en los que se observan los tamaños y ubicaciones de objetos en el campo visual pero no sus tamaños y ubicaciones (distancias) en el mundo tridimensional. Se exploran dos términos de regularización diferentes que mejor

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento