| dc.contributor | 應數系 | |
| dc.creator (作者) | 蔡炎龍 | |
| dc.date (日期) | 2022-10 | |
| dc.date.accessioned | 16-Apr-2025 14:28:20 (UTC+8) | - |
| dc.date.available | 16-Apr-2025 14:28:20 (UTC+8) | - |
| dc.date.issued (上傳時間) | 16-Apr-2025 14:28:20 (UTC+8) | - |
| dc.identifier.uri (URI) | https://nccur.lib.nccu.edu.tw/handle/140.119/156615 | - |
| dc.description.abstract (摘要) | 本計畫之目的把深度學習和熱帶幾何做一個連結。深度學習一直不太容易用數學清楚的表達, 因此造成分析神經網路的困擾。我們希望經由此計畫的研究, 可以讓研究者用熱帶幾何的工具, 去分析神經網路的種種性質。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 科技部, MOST110-2115-M004-006, 110.08-111.07 | |
| dc.subject (關鍵詞) | 神經網路; 深度學習; 殘差網路; 通用近似定理; 熱帶幾何; 熱帶有理映射 | |
| dc.subject (關鍵詞) | neural network; deep learning; ResNet; universal approximation theorem; tropical geometry; tropical rational map | |
| dc.title (題名) | 以熱帶幾何角度探究深度學習及通用近似定理 | |
| dc.title (題名) | Deep Learning and the Approximation Theorem from the Aspect of Tropical Geometry | |
| dc.type (資料類型) | report | |
