Réseaux de neurones artificiels «qui se ressemble s’assemble : les noyaux» S. Canu, laboratoire psi, insa de Rouen
Yüklə
445 b.
tarix
29.07.2018
ölçüsü
445 b.
#62528
Bu səhifədəki naviqasiya:
Mise en œuvre Pour b « grand »
Noyau « matlab » Avec rejet
Comment choisir G : Autres noyaux
Comment interpréter le règle de décision Estimation de densité par des noyaux Fenêtres de Parzen
MAP sur 3 classes
Méthodes non linéaires : les RBF
Conclusion Conclusion
Réseaux de neurones artificiels « qui se ressemble s’assemble : les noyaux »
S. Canu,
laboratoire PSI,
INSA de Rouen
équipe « systèmes d’information pour l’environnement »
psichaud.insa-rouen.fr/~scanu
Apprentissage
Les méthodes à base de Noyau
Zone d’influence
Règle de décision
Mise en œuvre
Pour
b
« grand »
Pour
b
plus petit
Noyau
Noyau
Noyau « matlab »
Avec rejet
Noyaux avec rejets
Est-ce une bonne idée ? Oui si c’est universellement consistant
Comment
choisir
G
: Autres noyaux
Exemples de noyaux
Universellement consistant
Comment interpréter le règle de décision ? Estimation de densité
par des noyaux
Fenêtres
de Parzen
Discrimination avec les noyau de Parzen : règle du MAP (3 classes)
MAP sur 3 classes
Exemple sur 3 classes
Comment choisir
b
?
Méthode linéaire méthode « des potentiels »
Méthodes non linéaires : les RBF
Inconvénient des noyaux la malédiction de la dimensionnalité
Densité de l’échantillonnage
n
points pour
d
dimensions
X ~ N(0,1) d
x = randn(10000,100)
proj = x * x(1,:)’;
hist(proj./proj(1))
X ~ U(0,1) d
dist(n,d) = Ej(mini |xi-xj|)
Conclusion
Conclusion
Yüklə
445 b.
Dostları ilə paylaş:
Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2024
rəhbərliyinə müraciət
gir
|
qeydiyyatdan keç
Ana səhifə
Dərs
Dərslik
Guide
Kompozisiya
Mücərrəd
Mühazirə
Qaydalar
Referat
Report
Request
Review
yükləyin