EnglishThe notion of equivalent number of degrees of freedom (e.d.f.) to be usedin neural network modeling from small datasets has been introduced in Ingrassiaand Morlini (2005). It is much smaller than the total number of parameters andit does not depend on the number of input variables. We generalize our previousresults and discuss the use of the e.d.f. in the general framework of multivariatenonparametric model selection. Through numerical simulations, we also investigatethe behavior of model selection criteria like AIC, GCV and BIC/SBC, when thee.d.f. is used instead of the total number of the adaptive parameters in the model.
| Data di pubblicazione: | 2007 |
| Titolo: | Equivalent number of degrees of freedoms for neural networks. |
| Autori: | S. Ingrassia; I. Morlini |
| Autori: | |
| Titolo del libro: | Advances in Data Analysis |
| Collana: | Studies in Classification, Data Analysis, and Knowledge Organization |
| Nome editore: | Springer |
| ISBN: | 9783540709800 |
| Pagina iniziale: | 229 |
| Pagina finale: | 236 |
| Appare nelle tipologie: | Capitolo/Saggio |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| Ingrassia & Morlini Springer 2007.pdf | Post-print | NON PUBBLICO - Accesso privato/ristretto | Administrator Richiedi una copia |
Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/11380/462126
I documenti presenti in Iris Unimore sono rilasciati con licenza Creative Commons Attribuzione - Non commerciale - Non opere derivate 3.0 Italia, salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris
Copyright © 2018