About: Learning rule

Facets (new session)
Description
Metadata
Settings
- Rule:
- Inverse Functional Properties:
- "Same As":

About: Learning rule Goto Sponge NotDistinct Permalink

An Entity of Type : yago:Statement106722453, within Data Space : dbpedia.demo.openlinksw.com associated with source document(s)
QRcode icon

http://dbpedia.demo.openlinksw.com/describe/?url=http%3A%2F%2Fdbpedia.org%2Fresource%2FLearning_rule

An artificial neural network's learning rule or learning process is a method, mathematical logic or algorithm which improves the network's performance and/or training time. Usually, this rule is applied repeatedly over the network. It is done by updating the weights and bias levels of a network when a network is simulated in a specific data environment. A learning rule may accept existing conditions (weights and biases) of the network and will compare the expected result and actual result of the network to give new and improved values for weights and bias. Depending on the complexity of actual model being simulated, the learning rule of the network can be as simple as an XOR gate or mean squared error, or as complex as the result of a system of differential equations.

Attributes	Values
rdf:type	software yago:WikicatArtificialNeuralNetworks yago:Abstraction100002137 yago:Communication100033020 yago:ComputerArchitecture106725249 yago:Description106724763 yago:Message106598915 yago:NeuralNetwork106725467 yago:Specification106725067 yago:Statement106722453
rdfs:label	Learning rule (en) Правило навчання ШНМ (uk)
rdfs:comment	Правило навчання або алгоритм навчання - це метод або математична модель, яка підвищує продуктивність штучної нейронної мережі і, як правило, це правило застосовується багаторазово по цілій мережі. Це робиться шляхом поновлення ваг і рівнів упередженості мережі. Правило навчання може прийняти існуючі умови (ваги і зміщення) мережі і порівнює очікуваний результат і фактичний результат мережі, щоб дати нові та вдосконалені значення для ваг і зсуву. В залежності від складності конкретної моделі, яка моделюється, правило навчання мережі може бути настільки ж просто, як XOR входів або середньоквадратичної помилки, або це може бути результатом кількох диференціальних рівнянь . Правило навчання є одним з факторів, який визначає, як швидко або наскільки точні можуть бути розроблені штучні мережі. (uk) An artificial neural network's learning rule or learning process is a method, mathematical logic or algorithm which improves the network's performance and/or training time. Usually, this rule is applied repeatedly over the network. It is done by updating the weights and bias levels of a network when a network is simulated in a specific data environment. A learning rule may accept existing conditions (weights and biases) of the network and will compare the expected result and actual result of the network to give new and improved values for weights and bias. Depending on the complexity of actual model being simulated, the learning rule of the network can be as simple as an XOR gate or mean squared error, or as complex as the result of a system of differential equations. (en)
dcterms:subject	Learning Artificial neural networks
Wikipage page ID	35699507 (xsd:integer)
Wikipage revision ID	1091432501 (xsd:integer)
Link from a Wikipage to another Wikipage	Algorithm Hopfield network Bias of an estimator Vector quantization Decision tree learning Frank Rosenblatt Machine learning Bias-variance dilemma Cluster analysis Pattern recognition Backpropagation Adaptive resonance theory Learning vector quantization Least mean squares filter Linear separability Learning Recurrent neural network Reinforcement learning Rescorla–Wagner model Artificial neural network ADALINE Artificial neural networks Transfer function XOR gate BCM theory Boltzmann machine Oja's rule Mean squared error Self-organizing map Neocognitron Expectation–maximization algorithm Differential system Unsupervised learning Seppo Linnainmaa Supervised learning Hebbian learning XOR problem
sameAs	Learning rule Learning rule Learning rule Learning rule Learning rule Learning rule
dbp:wikiPageUsesTemplate	dbt:Reflist dbt:Short_description
has abstract	An artificial neural network's learning rule or learning process is a method, mathematical logic or algorithm which improves the network's performance and/or training time. Usually, this rule is applied repeatedly over the network. It is done by updating the weights and bias levels of a network when a network is simulated in a specific data environment. A learning rule may accept existing conditions (weights and biases) of the network and will compare the expected result and actual result of the network to give new and improved values for weights and bias. Depending on the complexity of actual model being simulated, the learning rule of the network can be as simple as an XOR gate or mean squared error, or as complex as the result of a system of differential equations. The learning rule is one of the factors which decides how fast or how accurately the artificial network can be developed. Depending upon the process to develop the network there are three main models of machine learning: 1. * Unsupervised learning 2. * Supervised learning 3. * Reinforcement learning (en) Правило навчання або алгоритм навчання - це метод або математична модель, яка підвищує продуктивність штучної нейронної мережі і, як правило, це правило застосовується багаторазово по цілій мережі. Це робиться шляхом поновлення ваг і рівнів упередженості мережі. Правило навчання може прийняти існуючі умови (ваги і зміщення) мережі і порівнює очікуваний результат і фактичний результат мережі, щоб дати нові та вдосконалені значення для ваг і зсуву. В залежності від складності конкретної моделі, яка моделюється, правило навчання мережі може бути настільки ж просто, як XOR входів або середньоквадратичної помилки, або це може бути результатом кількох диференціальних рівнянь . Правило навчання є одним з факторів, який визначає, як швидко або наскільки точні можуть бути розроблені штучні мережі. (uk)
gold:hypernym	Method
prov:wasDerivedFrom	wikipedia-en:Learning_rule?oldid=1091432501&ns=0
page length (characters) of wiki page	8959 (xsd:nonNegativeInteger)
foaf:isPrimaryTopicOf	wikipedia-en:Learning_rule
is Link from a Wikipage to another Wikipage of	Delta learning rule Anti-Hebbian learning Hopfield network Connectionism Widrow-Hoff Learning Recurrent neural network Oja's rule Outline of machine learning Learning (Neural Networks) Learning rule (Neural Networks)
is Wikipage redirect of	Delta learning rule Widrow-Hoff Learning Learning (Neural Networks) Learning rule (Neural Networks)
is foaf:primaryTopic of	wikipedia-en:Learning_rule

Faceted Search & Find service v1.17_git139 as of Feb 29 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 08.03.3330 as of Mar 19 2024, on Linux (x86_64-generic-linux-glibc212), Single-Server Edition (378 GB total memory, 59 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software