Function Approximation With Multilayered Perceptrons Using L1 Criterion
Kaedah ralat kuasa dua terkecil atau kaedah kriteria L2 biasanya digunakan bagi persoalan penghampiran fungsian dan pengitlakan di dalam algoritma perambatan balik ralat. Tujuan kajian ini adalah untuk mempersembahkan suatu kriteria ralat mutlak terkecil bagi perambatan balik sigmoid selain darip...
| Main Author: | |
|---|---|
| Format: | Thesis |
| Language: | English |
| Published: |
2003
|
| Subjects: | |
| Online Access: | http://eprints.usm.my/31090/ http://eprints.usm.my/31090/1/ONG_HONG_CHOON.pdf |
| _version_ | 1848876473422708736 |
|---|---|
| author | Ong , Hong Choon |
| author_facet | Ong , Hong Choon |
| author_sort | Ong , Hong Choon |
| building | USM Institutional Repository |
| collection | Online Access |
| description | Kaedah ralat kuasa dua terkecil atau kaedah kriteria L2 biasanya digunakan bagi
persoalan penghampiran fungsian dan pengitlakan di dalam algoritma perambatan balik
ralat. Tujuan kajian ini adalah untuk mempersembahkan suatu kriteria ralat mutlak
terkecil bagi perambatan balik sigmoid selain daripada kriteria ralat kuasa dua terkecil
yang biasa digunakan. Kami membentangkan struktur fungsi ralat untuk diminimumkan
serta hasil pembezaan terhadap pemberat yang akan dikemaskinikan. Tumpuan ·kajian
ini ialah terhadap model perseptron multilapisan yang mempunyai satu lapisan
tersembunyi tetapi perlaksanaannya boleh dilanjutkan kepada model yang mempunyai
dua atau lebih lapisan tersembunyi.
The least squares error or L2 criterion approach has been commonly used in functional
approximation and generalization in the error backpropagation algorithm. The purpose
of this study is to present an absolute error criterion for the sigmoidal backpropagatioll I rather than the usual least squares error criterion. We present the structure of the error
function to be minimized and its derivatives with respect to the weights to be updated.
The focus in the study is on the single hidden layer multilayer perceptron (MLP) but the
implementation may be extended to include two or more hidden layers. |
| first_indexed | 2025-11-15T17:00:06Z |
| format | Thesis |
| id | usm-31090 |
| institution | Universiti Sains Malaysia |
| institution_category | Local University |
| language | English |
| last_indexed | 2025-11-15T17:00:06Z |
| publishDate | 2003 |
| recordtype | eprints |
| repository_type | Digital Repository |
| spelling | usm-310902016-11-15T08:12:44Z http://eprints.usm.my/31090/ Function Approximation With Multilayered Perceptrons Using L1 Criterion Ong , Hong Choon QA1 Mathematics (General) Kaedah ralat kuasa dua terkecil atau kaedah kriteria L2 biasanya digunakan bagi persoalan penghampiran fungsian dan pengitlakan di dalam algoritma perambatan balik ralat. Tujuan kajian ini adalah untuk mempersembahkan suatu kriteria ralat mutlak terkecil bagi perambatan balik sigmoid selain daripada kriteria ralat kuasa dua terkecil yang biasa digunakan. Kami membentangkan struktur fungsi ralat untuk diminimumkan serta hasil pembezaan terhadap pemberat yang akan dikemaskinikan. Tumpuan ·kajian ini ialah terhadap model perseptron multilapisan yang mempunyai satu lapisan tersembunyi tetapi perlaksanaannya boleh dilanjutkan kepada model yang mempunyai dua atau lebih lapisan tersembunyi. The least squares error or L2 criterion approach has been commonly used in functional approximation and generalization in the error backpropagation algorithm. The purpose of this study is to present an absolute error criterion for the sigmoidal backpropagatioll I rather than the usual least squares error criterion. We present the structure of the error function to be minimized and its derivatives with respect to the weights to be updated. The focus in the study is on the single hidden layer multilayer perceptron (MLP) but the implementation may be extended to include two or more hidden layers. 2003-04 Thesis NonPeerReviewed application/pdf en http://eprints.usm.my/31090/1/ONG_HONG_CHOON.pdf Ong , Hong Choon (2003) Function Approximation With Multilayered Perceptrons Using L1 Criterion. PhD thesis, Universiti Sains Malaysia. |
| spellingShingle | QA1 Mathematics (General) Ong , Hong Choon Function Approximation With Multilayered Perceptrons Using L1 Criterion |
| title | Function Approximation With
Multilayered Perceptrons Using L1
Criterion
|
| title_full | Function Approximation With
Multilayered Perceptrons Using L1
Criterion
|
| title_fullStr | Function Approximation With
Multilayered Perceptrons Using L1
Criterion
|
| title_full_unstemmed | Function Approximation With
Multilayered Perceptrons Using L1
Criterion
|
| title_short | Function Approximation With
Multilayered Perceptrons Using L1
Criterion
|
| title_sort | function approximation with
multilayered perceptrons using l1
criterion |
| topic | QA1 Mathematics (General) |
| url | http://eprints.usm.my/31090/ http://eprints.usm.my/31090/1/ONG_HONG_CHOON.pdf |