基于条件梯度和概率推理的马尔可夫学习效率最大化][Efficient max-margin Markov learning via conditional gradient and probabilistic inference]

基于条件梯度和概率推理的马尔可夫学习效率最大化 Efficient max-margin Markov learning via conditional gradient and probabilistic inference


课程网址:	http://videolectures.net/oh06_rousu_emmml/
主讲教师:	Juho Rousu
开课单位:	赫尔辛基大学
开课时间:	2007-02-25
课程语种:	英语
中文简介:	我们提出了一种适用于最大利润率结构分类任务的通用和有效的优化方法。该方法的有效性取决于多种技术的相互作用：结构化支持向量机对偶的边缘化，或最大边缘马尔可夫问题；通过梯度公式进行部分分解；最后将最大似然推理算法紧密耦合到优化算法中，而不是将推理作为工作来使用。仅设置维护机制。
课程简介:	We present a general and efficient optimisation methodology for for max-margin sructured classification tasks. The efficiency of the method relies on the interplay of several techiques: marginalization of the dual of the structured SVM, or max-margin Markov problem; partial decomposition via a gradient formulation; and finally tight coupling of a max-likelihood inference algorithm into the optimization algorithm, as opposed to using inference as a working set maintenance mechanism only.
关键词:	优化方法; 支持向量机; 马尔可夫问题; 梯度法
课程来源:	视频讲座网
最后编审:	2020-06-02：张荧(课程编辑志愿者)
阅读次数:	32

境外开放课程导航