サポートベクトルマシンとその効率的学習アルゴリズム(チュートリアル2)
スポンサーリンク
概要
- 論文の詳細を見る
パターン認識や機械学習の分野で注目を集めているサポートベクトルマシン(SVM)の基本原理とその効率的学習アルゴリズムである分割法について解説する.前半ではマージン最大化,ソフトマージン,カーネルトリックといったSVMを特徴づける種々の手法について説明し,後半では分割法の基本アイデア,代表的なアルゴリズム,大域収束性に関する最近の結果を紹介する.
- 社団法人情報処理学会の論文
- 2007-09-25
著者
関連論文
- 凸2次計画問題に対する2段階逐次部分最適化アルゴリズムの実験的評価
- 一般の凸2次計画問題に対する分割法の大域収束性について
- 2次元離散2値セルラニューラルネットワークの安定条件
- 一般化固有値問題に基づくセルラニューラルネットワーク設計法の改良
- A-2-41 頂点数と枝数が固定されたグラフで実現可能なクラスター係数の値について(A-2.非線形問題,一般セッション)
- A-2-18 一般の凸二次計画問題に対する分割法の提案(A-2. 非線形問題,一般セッション)
- 2値ベクトル周期列を出力する区分線形RNNの状態軌道の収束性について
- サポートベクトル回帰のための分割法の大域収束性について
- サポートベクトルマシンとその効率的学習アルゴリズム(チュートリアル2)
- A-2-6 二値パターン周期列を出力する区分線形RNNの状態軌道の収束性 : 素子数が2の場合(A-2.非線形問題,一般講演)