深度支持向量机Deep Support Vector Machines |
|
课程网址: | http://videolectures.net/roks2013_wiering_vector/ |
主讲教师: | Marco Wiering |
开课单位: | 格罗宁根大学 |
开课时间: | 2013-08-26 |
课程语种: | 英语 |
中文简介: | 在本文中,我们描述了支持向量机的一种新型扩展,称为深度支持向量机(DSVM)。原始的SVM具有具有内核功能的单层,因此是一个浅层模型。DSVM可以使用任意数量的层,其中较低层的层包含支持向量机,这些机器学习从输入模式或从下面一层的提取特征中提取相关特征。最高级别的SVM使用最高级别的提取特征作为输入来执行实际预测。通过简单的梯度上升学习规则对系统优化问题的最小 最大公式进行训练。在十个回归数据集上将两层DSVM与常规SVM进行了比较,结果表明DSVM优于SVM。 |
课程简介: | 在本文中,我们描述了支持向量机的一种新型扩展,称为深度支持向量机(DSVM)。原始的SVM具有具有内核功能的单层,因此是一个浅层模型。DSVM可以使用任意数量的层,其中较低层的层包含支持向量机,这些机器学习从输入模式或从下面一层的提取特征中提取相关特征。最高级别的SVM使用最高级别的提取特征作为输入来执行实际预测。通过简单的梯度上升学习规则对系统优化问题的最小-最大公式进行训练。在十个回归数据集上将两层DSVM与常规SVM进行了比较,结果表明DSVM优于SVM。 |
关 键 词: | 优化方法; 支持向量机; 压缩传感; 正则化 |
课程来源: | 视频讲座网 |
数据采集: | 2020-06-11:吴淑曼 |
最后编审: | 2020-06-15:cxin |
阅读次数: | 249 |