Resumen

En los últimos años, la investigación de las redes neuronales artificiales basadas en el cálculo fraccionario ha atraído mucha atención. En este trabajo, proponemos un modelo de red neuronal de retropropagación (BP) profunda de orden fraccionario con regularización L2. La red propuesta fue optimizada por el método de descenso de gradiente fraccionario con derivada de Caputo. También ilustramos las condiciones necesarias para la convergencia de la red propuesta. La influencia de la regularización L2 en la convergencia se analizó con el método variacional de orden fraccionario. Los experimentos se han realizado en el conjunto de datos MNIST para demostrar que la red propuesta era determinísticamente convergente y puede evitar eficazmente el sobreajuste.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:red propuesta, regularización l2, métodos de descenso de gradiente, red neuronal artificial, modelo de red neuronal, atrajo mucha atención, influencia de l2, condiciones necesarias, conjunto de datos mnist, retropropagación profunda
• Keywords:proposed network, l2 regularization, gradient descent methods, artificial neural network, neural network model, attracted much attention, influence of l2, necessary conditions, mnist dataset, deep backpropagation