Počet záznamů: 1
Inverse Problems in Learning from Data
- 1.
SYSNO ASEP 0349057 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Inverse Problems in Learning from Data Tvůrce(i) Kůrková, Věra (UIVT-O) RID, SAI, ORCID Zdroj.dok. ICNC 2010. Proceedings of the International Conference on Neural Computation. - Setúbal : SciTePress, 2010 / Filipe J. ; Kacprzyk J. - ISBN 978-989-8425-32-4 Rozsah stran s. 316-321 Poč.str. 6 s. Forma vydání CD ROM - CD ROM Akce ICNC 2010. International Conference on Neural Computation Datum konání 24.08.2010-26.08.2010 Místo konání Valencia Země ES - Španělsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. PT - Portugalsko Klíč. slova learning from data ; minimization of empirical and expected error functionals ; reproducing kernel Hilbert spaces Vědní obor RIV IN - Informatika CEP OC10047 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000393085200042 EID SCOPUS 78651454741 DOI 10.5220/0003079003160321 Anotace It is shown that application of methods from theory of inverse problems to learning from data leads to simple proofs of characterization of minima of empirical and expected error functionals and their regularized versions. The reformulation of learning in terms of inverse problems also enables comparison of regularized and non regularized case showing that regularization achieves stability by merely modifying output weights of global minima. Methods of theory of inverse problems lead to choice of reproducing kernel Hilbert spaces as suitable ambient function spaces. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2011
Počet záznamů: 1