Počet záznamů: 1
Meta-Parameters of Kernel Methods and Their Optimization
- 1.
SYSNO ASEP 0432490 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Meta-Parameters of Kernel Methods and Their Optimization Tvůrce(i) Vidnerová, Petra (UIVT-O) RID, SAI, ORCID
Neruda, Roman (UIVT-O) SAI, RID, ORCIDZdroj.dok. ITAT 2014. Information Technologies - Applications and Theory. Part II. - Prague : Institute of Computer Science AS CR, 2014 / Kůrková V. ; Bajer L. ; Peška L. ; Vojtáš R. ; Holeňa M. ; Nehéz M. - ISBN 978-80-87136-19-5 Rozsah stran s. 99-105 Poč.str. 7 s. Forma vydání Tištěná - P Akce ITAT 2014. European Conference on Information Technologies - Applications and Theory /14./ Datum konání 25.09.2014-29.09.2014 Místo konání Demänovská dolina Země SK - Slovensko Typ akce EUR Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova kernel methods ; metalearning ; computational intelligence Vědní obor RIV IN - Informatika CEP LD13002 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy Institucionální podpora UIVT-O - RVO:67985807 Anotace In this work we deal with the problem of metalearning for kernel based methods. Among the kernel methods we focus on the support vector machine (SVM), that have become a method of choice in a wide range of practical applications, and on the regularization network (RN) with a sound background in approximation theory. We discuss the role of kernel function in learning, and we explain several search methods for kernel function optimization, including grid search, genetic search and simulated annealing. The proposed methodology is demonstrated on experiments using benchmark data sets. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2015
Počet záznamů: 1