Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Hämeen ammattikorkeakoulu
  • Opinnäytetyöt
  • Näytä viite
  •   Ammattikorkeakoulut
  • Hämeen ammattikorkeakoulu
  • Opinnäytetyöt
  • Näytä viite

Dropout-based Support Vectors Regularization

Tran Thanh, Dat (2017)

Avaa tiedosto
TranThanh_Dat.pdf (1.068Mt)
Lataukset: 


Tran Thanh, Dat
Hämeen ammattikorkeakoulu
2017
All rights reserved
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-201702132328
Tiivistelmä
In this thesis we consider a new regularization technique that exploits the probabilistic Dropout scheme at the sample level. The new regularization approach is incorporated into the Maximum Margin Classification (MMC) framework resulting in a new variant of the Support Vector Machine classifier. We show here that the added regularizer comes with a geometrical interpretation related to the selection of support vectors. In addition, we illustrate that the new formulation is consistent with the guarantee provided in the Statistical Learning Theory. Experimental results from several classification problems show better generalization performance achieved by adding the new regularization as compared to the standard approach.
Kokoelmat
  • Opinnäytetyöt
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste