计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
26期
53-59
,共7页
最优化对偶理论%非近似更新%在线学习%乘权更新
最優化對偶理論%非近似更新%在線學習%乘權更新
최우화대우이론%비근사경신%재선학습%승권경신
大样本集上在线预测算法时间空间复杂度小、预测准确性高,与批处理学习算法相比,有明显的优势.自从Jivinen和M.Warmuth提出权衡正确性与保守性的在线学习框架后,在线学习框架已被广泛引用.但是在Jivinen和M.Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化.运用对偶最优化理论,提出了非近似的基于不同距离和损失函数的乘更新分类算法,一系列的实验显示算法提高了预测准确率.
大樣本集上在線預測算法時間空間複雜度小、預測準確性高,與批處理學習算法相比,有明顯的優勢.自從Jivinen和M.Warmuth提齣權衡正確性與保守性的在線學習框架後,在線學習框架已被廣汎引用.但是在Jivinen和M.Warmuth提齣的梯度下降和指數梯度下降算法中,對目標函數中的損失函數求導過程中使用近似步驟會引起在線學習結果噁化.運用對偶最優化理論,提齣瞭非近似的基于不同距離和損失函數的乘更新分類算法,一繫列的實驗顯示算法提高瞭預測準確率.
대양본집상재선예측산법시간공간복잡도소、예측준학성고,여비처이학습산법상비,유명현적우세.자종Jivinen화M.Warmuth제출권형정학성여보수성적재선학습광가후,재선학습광가이피엄범인용.단시재Jivinen화M.Warmuth제출적제도하강화지수제도하강산법중,대목표함수중적손실함수구도과정중사용근사보취회인기재선학습결과악화.운용대우최우화이론,제출료비근사적기우불동거리화손실함수적승경신분류산법,일계렬적실험현시산법제고료예측준학솔.
