Some Steps towards Experimental Design for Neural Network Regression

  • We discuss some first steps towards experimental design for neural network regression which, at present, is too complex to treat fully in general. We encounter two difficulties: the nonlinearity of the models together with the high parameter dimension on one hand, and the common misspecification of the models on the other hand. Regarding the first problem, we restrict our consideration to neural networks with only one and two neurons in the hidden layer and a univariate input variable. We prove some results regarding locally D-optimal designs, and present a numerical study using the concept of maximin optimal designs. In respect of the second problem, we have a look at the effects of misspecification on optimal experimental designs.

Volltext Dateien herunterladen

Metadaten exportieren

  • Export nach Bibtex
  • Export nach RIS
Metadaten
Verfasserangaben:Richard Kodzo Avuglah
URN (Permalink):urn:nbn:de:hbz:386-kluedo-23493
Betreuer:Jürgen Franke
Dokumentart:Dissertation
Sprache der Veröffentlichung:Englisch
Veröffentlichungsdatum (online):09.06.2011
Jahr der Veröffentlichung:2011
Veröffentlichende Institution:Technische Universität Kaiserslautern
Titel verleihende Institution:Technische Universität Kaiserslautern
Datum der Annahme der Abschlussarbeit:07.06.2011
Datum der Publikation (Server):11.06.2011
Seitenzahl:133
Fachbereiche / Organisatorische Einheiten:Fachbereich Mathematik
DDC-Sachgruppen:5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
MSC-Klassifikation (Mathematik):62-XX STATISTICS
Lizenz (Deutsch):Standard gemäß KLUEDO-Leitlinien vom 27.05.2011

$Rev: 13581 $