Apicella, Andrea
(2018)
Improving classification models with context knowledge and variable activation functions.
[Tesi di dottorato]
| Tipologia del documento: |
Tesi di dottorato
|
| Lingua: |
English |
| Titolo: |
Improving classification models with context knowledge and variable activation functions |
| Autori: |
| Autore | Email |
|---|
| Apicella, Andrea | and.api.univ@gmail.com |
|
| Data: |
10 Dicembre 2018 |
| Numero di pagine: |
112 |
| Istituzione: |
Università degli Studi di Napoli Federico II |
| Dipartimento: |
Matematica e Applicazioni "Renato Caccioppoli" |
| Dottorato: |
Scienze matematiche e informatiche |
| Ciclo di dottorato: |
31 |
| Coordinatore del Corso di dottorato: |
| nome | email |
|---|
| De Giovanni, Francesco | francesco.degiovanni2@unina.it |
|
| Tutor: |
| nome | email |
|---|
| Festa, Paola | [non definito] | | Isgrò, Francesco | [non definito] |
|
| Data: |
10 Dicembre 2018 |
| Numero di pagine: |
112 |
| Parole chiave: |
machine learning, neural networks, activation functions, ontologies |
| Settori scientifico-disciplinari del MIUR: |
Area 01 - Scienze matematiche e informatiche > INF/01 - Informatica
Area 01 - Scienze matematiche e informatiche > MAT/09 - Ricerca operativa |
[error in script]
[error in script]
| Depositato il: |
19 Dic 2018 09:17 |
| Ultima modifica: |
23 Giu 2020 09:46 |
| URI: |
http://www.fedoa.unina.it/id/eprint/12667 |
Abstract
This work proposes two methods to boost the performances of a given classifier: the first one, which works on a Neural Network classifier, is a new type of trainable activation function, that is a function which is adjusted during the learning phase, allowing the network to exploit the data better respect to use a classic activation function with fixed-shape; the second one provides two frameworks to use an external knowledge base to improve the classification results.
Downloads per month over past year
Actions (login required)
 |
Modifica documento |
