文献

J-GLOBAL ID：201702276870414157   整理番号：17A0448270

ツインサポートベクトルマシンのためのPAC-Bayes限界【Powered by NICT】

PAC-Bayes bounds for twin support vector machines

著者 (2件)： Xie Xijiong (Department of Computer Science and Technology, East China Normal University, 500 Dongchuan Road, Shanghai 200241, PR China) ,  Shiliang Sun (Department of Computer Science and Technology, East China Normal University, 500 Dongchuan Road, Shanghai 200241, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 234  ページ： 137-143  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ツインサポートベクトルマシンは,サポートベクトルマシンの開発におけるマイルストーンと考えられている。標準サポートベクトルマシンと比較して,二値分類に対する標準サポートベクトルマシンにおけるとしてよりもむしろ二非平行超平面を学習し,高速動作,時にはサポートベクトルマシンよりも良好に機能する。サポートベクトルマシンは,広く使用されている理由の一つは,それらが強い統計的学習理論によって支持されていることである。しかし,ツインサポートベクトルマシンの理論的解析については比較的知られていない。実用化のための最近の内で最もタイトな限界として,PAC-Bayes結合し,前のPAC-Bayes限界は分類器の分布の前と後に基づいている。本論文では,理論的観点からツインサポートベクトルマシンを研究し,ツインサポートベクトルマシンの一般化誤差限界を測定するために結合したPAC-Bayes結合し,前のPAC-Bayesを用いた。実世界データセット上での実験結果により,PAC-Bayes限界に比較してツインサポートベクトルマシンのための結合したPAC-Bayes結合し,前のPAC-Bayesの優れた予測能力とサポートベクトルマシンのための結合前のPAC-Bayesを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高速度 ,  *サポートベクトルマシン
準シソーラス用語： 予測能力 ,  誤差限界 ,  統計的学習理論 ,  超平面 ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： ツインサポートベクトルマシン ,  サポートベクトルマシン ,  PAC-Bayes限界 ,  前PAC-Bayes限界

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： サポートベクトルマシン ,  PAC ,  限界