Ветров, Д.П. и Кропотов, Д.А. и Пташко, Н.А. (2009) О достижении компромисса между точностью и устойчивостью классификаторов в задаче выбора наилучшей ядровой функции при айесовском обучении. Вестник ТвГУ. Серия: Прикладная математика (14). С. 54-53. ISSN 1995-0136
Предварительный просмотр |
PDF
- Опубликованная версия
247kB |
Абстракт
В данной работе показано, что подбор ядровой функции в методе релевантных векторов (RVM) требует расширения семейства классификаторов. В новой модели интегрирование по апостериорной плотности распределения становится вычислительно трудоемким, поэтому используется её точечное оценивание. Предложен метод локальной аппроксимации обоснованности, которая позволяет установить компромисс между точностью классификатора и его устойчивостью.
Абстракт (англ.)
In the paper we show that RBF kernel selection in relevance vector machines (RVM) classifier requires extension of classifiers model. In new model integration over posterior probability becomes computationally unavailable. We propose a method of local evidence estimation which establishes a compromise between accuracy and stability of classifier.
| Тип объекта: | Статья |
|---|---|
| Сведения об авторах: | Дмитрий Петрович Ветров, МГУ им. М.В. Ломоносова, Россия, 119991, г. Москва, ГСП-1, Ленинские горы, МГУ, д. 1, стр. 52, факультет ВМиК, научный сотрудник кафедры математических методов прогнозирования. Дмитрий Александрович Кропотов, Учреждение Российской академии наук Вычислительный центр им. А.А. Дородницына РАН, Россия, 119333, г. Москва, ул. Вавилова, 40, ВЦ РАН, младший научный сотрудник. Никита Олегович Пташко, МГУ им. М.В. Ломоносова, Россия, 119991, г. Москва, ГСП-1, Ленинские горы, МГУ, д. 1, стр. 52, факультет ВМиК, аспирант кафедры математических методов прогнозирования. |
| Ключевые слова: | распознавание образов, байесовский подход, выбор модели, метод релевантных векторов |
| Ключевые слова (англ.): | Machine learning, Bayesian framework, Model selection, Relevance Vector Machine |
| Категории: | 6 Прикладные науки. Медицина. Техника > 68 Различные отрасли промышленности и ремесла, производящие конечную продукцию. Точная механика. Легкая промышленность > 681 Точная механика > 681.5 Автоматика. Теория, методы расчета и аппаратура систем автоматического управления и регулирования. Техническая кибернетика. > 681.51 Системы автоматического управления (САУ). Кибернетические характеристики систем > 681.513 Системы с детерминированными входными воздействиями > 681.513.7 Самообучающиеся, самонастраивающиеся системы (детерминированные) |
| Подразделения: | Институты, НИИ > Вычислительный центр им. А.А.Дородницына РАН |
| ID Code: | 800 |
| Deposited On: | 08 Янв 2017 08:10 |
| Последнее изменение: | 08 Янв 2017 08:10 |
Repository Staff Only: item control page