Robustes Boosting durch konvexe Optimierung
Lists
Only you see this
Abstract
Lernmaschinen extrahieren Informationen aus einer gegebenen Menge von Trainingsbeispielen, so dass sie in der Lage sind, Eigenschaften von bisher ungesehenen Beispielen – z.B. eine Klassenzugehorigkeit – vorherzusagen. Wir betrachten den Fall, bei dem die resultierende Klassifikationsoder Regressionsregel aus einfachen Regeln – den Basishypothesen – zusammengesetzt ist. Die sogenannten Boosting-Algorithmen erzeugen iterativ eine gewichtete Summe von Basishypothesen, die gut auf ungesehenen Beispielen vorhersagen. In der Dissertation wurden folgende Sachverhalte behandelt:
BibTeX
@inproceedings{ratsch2002robustes,
author = {Gunnar Rätsch and D. Wagner},
title = {{Robustes Boosting durch konvexe Optimierung}},
booktitle = {MPG.PuRe},
year = {2002},
}Loading related content...