Mostrar el registro sencillo del ítem
dc.contributor.author
Rodriguez, N.
dc.contributor.author
Julian, Pedro Marcelo
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Villemur, M.
dc.date.available
2023-12-15T15:10:58Z
dc.date.issued
2021
dc.identifier.citation
Symmetric Simplicial Neural Networks; 55th Annual Conference on Information Sciences and Systems (CISS); Baltimore; Estados Unidos; 2021; 1-6
dc.identifier.isbn
978-1-6654-4844-4
dc.identifier.uri
http://hdl.handle.net/11336/220436
dc.description.abstract
Convolutional Neural Networks are capable of per- form many complex tasks such as image classification. Recently morphological functions where introduced as a replacement of the first convolutional layers in any net, using their non-linearities to achieve better accuracy for classification Neural Networks, but in most cases the functions are fixed beforehand and can not be trained. We propose the use of Symmetric Simplicial algorithm that can be trained to perform many morphological computations and even more complex functions. We present the training of a certain topology that uses Symmetric Simplicials instead of morphological functions and the classification accuracy achieved during the training process.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Institute of Electrical and Electronics Engineers
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Deep Neural Networks
dc.subject
Morphological Neural Networks
dc.subject
Symmetric Simplicial functions.
dc.subject.classification
Ingeniería Eléctrica y Electrónica
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Symmetric Simplicial Neural Networks
dc.type
info:eu-repo/semantics/publishedVersion
dc.type
info:eu-repo/semantics/conferenceObject
dc.type
info:ar-repo/semantics/documento de conferencia
dc.date.updated
2023-08-28T11:25:04Z
dc.journal.pagination
1-6
dc.journal.pais
Estados Unidos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
New Jersey
dc.description.fil
Fil: Rodriguez, N.. Silicon Austria Labs; Austria
dc.description.fil
Fil: Julian, Pedro Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Investigaciones en Ingeniería Eléctrica "Alfredo Desages". Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Instituto de Investigaciones en Ingeniería Eléctrica "Alfredo Desages"; Argentina. Silicon Austria Labs Gmbh; Austria
dc.description.fil
Fil: Villemur, M.. University Johns Hopkins; Estados Unidos
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/document/9400270
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://doi.org/10.1109/CISS50987.2021.9400270
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.coverage
Internacional
dc.type.subtype
Conferencia
dc.description.nombreEvento
55th Annual Conference on Information Sciences and Systems (CISS)
dc.date.evento
2021-03-24
dc.description.ciudadEvento
Baltimore
dc.description.paisEvento
Estados Unidos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.type.publicacion
Book
dc.description.institucionOrganizadora
Institute of Electrical and Electronics Engineers
dc.source.libro
2021 55th Annual Conference on Information Sciences and Systems (CISS)
dc.date.eventoHasta
2021-03-26
dc.type
Conferencia
Archivos asociados