Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  On the Complexity of Learning the Kernel Matrix

Bousquet, O., & Herrmann, D. (2003). On the Complexity of Learning the Kernel Matrix. In S. Becker, S. Thrun, & K. Obermayer (Eds.), Advances in Neural Information Processing Systems 15 (pp. 399-406). Cambridge, MA, USA: MIT Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-DB4B-4 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0005-6BE9-D
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://papers.nips.cc/paper/2300-on-the-complexity-of-learning-the-kernel-matrix.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Bousquet, O1, 2, Autor           
Herrmann, DJL1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We investigate data based procedures for selecting the kernel when learning with Support Vector Machines. We provide generalization error bounds by estimating the Rademacher complexities of the corresponding function classes. In particular we obtain a complexity bound for function classes induced by kernels with given eigenvectors, i.e., we allow to vary the spectrum and keep the eigenvectors fix. This bound is only a logarithmic factor bigger than the complexity of the function class induced by a single kernel. However, optimizing the margin over such classes leads to overfitting. We thus propose a suitable way of constraining the class. We use an efficient algorithm to solve the resulting optimization problem, present preliminary experimental results, and compare them
to an alignment-based approach.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2003-09
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 1999
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Sixteenth Annual Conference on Neural Information Processing Systems (NIPS 2002)
Veranstaltungsort: Vancouver, Canada
Start-/Enddatum: 2002-12-09 - 2002-12-14

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in Neural Information Processing Systems 15
Genre der Quelle: Konferenzband
 Urheber:
Becker, S, Herausgeber
Thrun, S, Herausgeber
Obermayer, K, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Cambridge, MA, USA : MIT Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 399 - 406 Identifikator: ISBN: 0-262-02550-7