一般損失最小化に基づくカーネル識別器の学習(この論文は研究会登録者以外の方は購入できません)
スポンサーリンク
概要
- 論文の詳細を見る
本稿では、カーネル識別器の新しい学習手法を提案する。まず、任意の損失や事前確率を扱えるように、ベイズ決定理論に基づいた一般損失最小化 (GLM) と呼ぶ新しい学習基準を提案し、本学習基準をカーネル識別器の設計に適用することで新しいカーネル識別器の学習手法を導出する。次に、ソフトマージン SVM もまた GLM の枠組みによって導出できることを示し、提案手法との共通点と相違点を明らかにする。人工データ及び UCI Machine Learning Repository の実データを用いた実験によって、提案手法が SVM よりも少ないモデル自由度で同等以上の識別精度を実現することを確認する。
- 2011-08-29
論文 | ランダム
- 政権〈史・私・四〉観--「未知なる与党」への直言 国際社会における民主党政治
- 政権〈史・私・四〉観--「未知なる与党」への直言 経済再建の現実政策と「踏み絵」
- 肺炎の抗菌化学療法 : 市中肺炎を中心に
- Prediction of Gas-to-Olive Oil Partition Coefficients of Organic Compounds Using an Artificial Neural Network
- Dietary olive oil prevents carbon tetrachloride-induced hepatic fibrosis in mice