Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  An Introduction to Kernel-Based Learning Algorithms

Müller, K., Mika, S., Rätsch, G., Tsuda, K., & Schölkopf, B. (2002). An Introduction to Kernel-Based Learning Algorithms. In Y. Hu, J.-N. Hwang, & S. Perry (Eds.), Handbook of neural network signal processing: Neural network signal processing (pp. 95-134). Boca Raton, FL, USA: CRC Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-E5D3-0 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0005-8E05-6
Genre: Buchkapitel

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/doi/book/10.5555/557884 (Inhaltsverzeichnis)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Müller, KR, Autor           
Mika, S, Autor
Rätsch, G, Autor           
Tsuda, K1, Autor           
Schölkopf, B1, 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, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: This chapter provides an introduction to support vector machines, kernel Fisher discriminant analysis, and kernel principal component analysis as examples for successful kernel-based learning methods. It presents a short background about Vapnik–Chervonenkis theory and kernel feature spaces and then proceeds to kernel-based learning in supervised and unsupervised scenarios, including practical and algorithmic considerations. The chapter illustrates the usefulness of kernel algorithms by finally discussing applications such as optical character recognition and DNA analysis. The kernel-Adatron is derived from the Adatron algorithm originally proposed by Anlauf and Biehl in a statistical mechanics setting. The kernel-Adatron constructs a large margin hyperplane using online learning. Its implementation is very simple. The chapter describes selected interesting applications of supervised and unsupervised learning with kernels. It demonstrates that kernel-based approaches achieve competitive results over a whole range of benchmarks with different noise levels and robustness requirements.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2002
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 1845
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Handbook of neural network signal processing: Neural network signal processing
Genre der Quelle: Buch
 Urheber:
Hu, YH, Herausgeber
Hwang, J-N, Herausgeber
Perry, SW, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Boca Raton, FL, USA : CRC Press
Seiten: 408 Band / Heft: - Artikelnummer: 4 Start- / Endseite: 95 - 134 Identifikator: ISBN: 0-8493-2359-2

Quelle 2

einblenden:
ausblenden:
Titel: The electrical engineering and applied signal processing series
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: - Identifikator: -