没有合适的资源？快使用搜索试试~ 我知道了~

文库首页人工智能机器学习深度支撑向量机（SVM）

深度支撑向量机（SVM）

深度，SVM

需积分: 13 7 下载量 174 浏览量 2017-11-01 21:15:40 上传评论收藏 340KB PDF 举报

温馨提示

试读

25页

本文档详细阐释了将深度学习相关理论成果应用于SVM使SVM机器学习效果性能更加优良

资源推荐

资源详情

资源评论

Deep Support Vector Machines

Marco A. Wiering

Institute of Artiﬁcial Intelligence and Cognitive Engineering

University of Groningen, the Netherlands

Presentation at ROKS’13, Leuven, 09 July 2013

Marco A. Wiering 1/25

Contents

Support Vector Machines

Deep Support Vector Machines

Experimental Results on Regression Problems

Experimental Results on Classiﬁcation Problems

Conclusion

Marco A. Wiering 2/25

Machine Learning

Machine learning algorithms are very useful for many

applications (Classiﬁcation, Regression, Adaptive Control)

They use datasets or experiences to ﬁt a model

Example applications are:

Object Recognition

Face Recognition

Handwritten Digit Recognition

fMRI-Scan Classiﬁcation

Medical Diagnosis

Document Classiﬁcation

Many Applications in Bio-informatics and Chemistry

Marco A. Wiering 3/25

Limitations of Support Vector Machines

Support Vector Machines (SVM) often outperform other

machine learning methods

However, the standard SVM has a single adjustable layer

of weights

Instead of using such “shallow models”, deep architectures

can be better alternatives

SVMs use a-priori chosen kernel functions to compute

similarities between input vectors

A problem is that the choice of kernel function is important,

but kernel functions are not very ﬂexible

Therefore we propose the deep SVM (DSVM)

The DSVM contains multiple layers of SVMs

Marco A. Wiering 4/25

Support Vector Regression

The objective function of the SVM is based on structural

risk minimization theory developed by Vapnik in the 1960s

Goal: ﬁnd g(x) most suitable to the data, e.g. for

regression, -insensitive (Hinge) loss function:

− g(x

)| ≤ ε

But also generalize well!

g(x) as ﬂat as possible ⇒ ||w|| as small as possible

Yields a convex optimization problem

Marco A. Wiering 5/25

剩余24页未读，继续阅读

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

finishspan

粉丝: 1
资源: 1

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

深度支撑向量机（SVM）

支持向量机svm

支持向量机SVM通俗理解（python代码实现）.pdf

6svm_svm线性支撑向量机_支撑向量机_

支持向量机SVM和核函数的matlab程序代码--完整

支撑向量机SVM和支撑向量回归SVR的参数寻优工具箱MATLAB版

基于SVM的图像分类

支撑向量机（SVM）简介

机器学习之支撑向量机SVM

机器学习之深度学习基础--支持向量机（SVM）视频教学

SVM（支撑向量机模型）是二（多）分类问题中经常使用的方法

4.1 支撑向量机SVM-基础程序 .ipynb

SVM分类基于蜣螂优化算法DBO优化支持向量机SVM实现数据分类预测

支持向量机SVM测试程序

支持向量机SVM入门1-3

基于python的粒子群算法PSO优化支持向量机SVM设计与实现

机器学习与深度学习-通过SVM线性支持向量机分类鸢尾花数据集iris求出错误率并可视化.zip

第十二章-SVM支持向量机 深度之眼_吴恩达机器学习作业训练营

CNN-SVM_深度学习_pythonCNN-SVM_pythoncnn_SVM_卷积支持向量

深度学习之图像分类—-多分类支持向量机（Multi-SVM）与softmax分类

CNN-SVM_深度学习_pythonCNN-SVM_pythoncnn_SVM_卷积支持向量.zip

python利用支持向量机SVM进行时间序列预测（数据+源码）

实战案例-使用支持向量机（SVM）算法进行人脸识别

【SVM预测】基于松鼠算法优化支持向量机SVM实现数据预测附matlab代码.zip

matlab支持向量机SVM完整工具包

机器学习算法教程 深度学习算法系列教程英文PPT课件 SVM支持向量机 共22页.pptx

CNN-SVM_深度学习_pythonCNN-SVM_pythoncnn_SVM_卷积支持向量_源码.zip

DBN-LSTM-SVM的电池电容预测，基于深度信念神经网络dbn+长短期神经网络LSTM+支持向量机SVM的电池电容预测

机器学习大作业的支撑代码：SVM、随机森林、深度学习+源代码+文档说明

最新资源

第十二章-SVM支持向量机深度之眼_吴恩达机器学习作业训练营

机器学习算法教程深度学习算法系列教程英文PPT课件 SVM支持向量机共22页.pptx