文献

J-GLOBAL ID：202002237082840278   整理番号：20A2013816

最小複雑度サポートベクトルマシン【JST・京大機械翻訳】

Minimal Complexity Support Vector Machines

著者 (1件)： Abe Shigeo (Kobe University, Kobe, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12294  ページ： 89-101  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最小複雑性マシン(MCM)は,高い一般化能力を得るためにVC(Vapnik-Chervonenkis)次元を最小化する。しかし,正則化項は目的関数には含まれないので,解はユニークではない。本論文では,この問題を解決するため,MCMと標準サポートベクトルマシン(L1SVM)の融合を提案した。これは,L1SVMにおける訓練データに対する決定関数上の上限を最小化することにより実現される。マシン最小複雑性L1SVM(ML1SVM)と呼ぶ。ML1SVMを,いくつかのベンチマークデータセットを用いてL1SVMを含む他のタイプのSVMと比較し,ML1SVMがL1SVMと同等またはそれ以上であることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 目的関数 ,  正則化 ,  ベンチマーク ,  *サポートベクトルマシン ,  複雑性
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 複雑度 ,  サポートベクトルマシン