Learning with Kernel Based Regularization Methods

0405548 - UIVT-O 330927 RIV SK eng C - Konferenční příspěvek (zahraniční konf.)
Kudová, Petra
Learning with Kernel Based Regularization Methods.
[Učení pomocí jádrových regularizačních sítí.]
ITAT 2005. Information Technologies - Applications and Theory. Košice: Prírodovedecká fakulta, Univerzita P. J. Šafárika, 2005 - (Vojtáš, P.), s. 83-92. ISBN 80-7097-609-8.
[ITAT 2005. Račkova dolina (SK), 20.09.2005-25.09.2005]
Grant CEP: GA ČR GA201/05/0557
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: learning from examples * regularization networks * kernel methods
Kód oboru RIV: BA - Obecná matematika

We discuss one approach to learning from examples - the kernel based regularization networks, with the focus on its practical aspects and applicability on real tasks. We describe techniques for estimation of explicit parameters of this method. Performance of described algorithms is demonstrated on experiments.

Tento článek pojednává o jednom přístupu k učení z příkladu - jádrových regularizačních sítích. Zaměřuje se zejména na praktické otázky související s použitím metody na reálných úlohách. Popisuje techniky, které používáme k nastavení explicitních parametru. Chování popsaných algoritmů je demonstrováno na experimentech.
Trvalý link: http://hdl.handle.net/11104/0125704