Network Information Criterion - Determining the Number of Hidden Units for an Artificial Network Model

Проблема выбора модели или определения числа скрытых элементов проясняется статистическим подходом, обобщающим Информационный Критерий Акайка (AIC), так, чтобы быть применимым к неточным (или не реализуемым) моделям с обобщенным критерием потерь, включающим регуляризационные составляющие. Отношение между ошибкой обучения и ошибкой обобщения изучается в терминах числа обучающих примеров и сложности сети, что снижает число параметров в обычной статистической теории AIC. Это отношение приводит к новому Сетевому Информационному Критерию, который полезен для выбора оптимальной модели сети или определения числа скрытых элементов на основе данного обучающего множества.

Оригинал статьи: Network Information Criterion - Determining the Number of Hidden Units for an Artificial Network Model (как PDF)