論文の概要: Comprehensive Review On Twin Support Vector Machines

• arxiv url: http://arxiv.org/abs/2105.00336v1
• Date: Sat, 1 May 2021 19:48:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 14:21:39.184897
• Title: Comprehensive Review On Twin Support Vector Machines
• Title（参考訳）: ツインサポートベクターマシンの包括的レビュー
• Authors: M. Tanveer and T. Rajani and R. Rastogi and Y.H. Shao
• Abstract要約: ツインサポートベクターマシン(tsvm)とツインサポートベクター回帰(tsvr)は、新しい効率的な機械学習技術である。 TSVMは、データポイントをそれぞれのクラスに分類する2つの非平行超平面を識別するアイデアに基づいている。 TSVRはTSVMのラインで定式化されており、2つのSVMタイプの問題を解決する必要がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Twin support vector machine (TSVM) and twin support vector regression (TSVR) are newly emerging efficient machine learning techniques which offer promising solutions for classification and regression challenges respectively. TSVM is based upon the idea to identify two nonparallel hyperplanes which classify the data points to their respective classes. It requires to solve two small sized quadratic programming problems (QPPs) in lieu of solving single large size QPP in support vector machine (SVM) while TSVR is formulated on the lines of TSVM and requires to solve two SVM kind problems. Although there has been good research progress on these techniques; there is limited literature on the comparison of different variants of TSVR. Thus, this review presents a rigorous analysis of recent research in TSVM and TSVR simultaneously mentioning their limitations and advantages. To begin with we first introduce the basic theory of TSVM and then focus on the various improvements and applications of TSVM, and then we introduce TSVR and its various enhancements. Finally, we suggest future research and development prospects.
• Abstract（参考訳）: ツインサポートベクターマシン (TSVM) とツインサポートベクターレグレッション (TSVR) は、それぞれに分類と回帰の課題に対する有望な解決策を提供する新しい効率的な機械学習技術である。 TSVMは、データポイントをそれぞれのクラスに分類する2つの非平行超平面を識別するアイデアに基づいている。 TSVRはTSVMのライン上に定式化され、2つのSVMのような問題を解く必要があるが、サポートベクトルマシン(SVM)では1つの大きなQPPを解く代わりに2つの小さな二次プログラミング問題(QPP)を解く必要がある。 これらの技術については研究が進んでいるが、TSVRの異なる変種の比較に関する文献は限られている。 そこで本研究では,TSVM と TSVR の最近の研究成果を厳密に分析し,その限界と優位性について述べる。 まず、まずTSVMの基本理論を紹介し、次にTSVMの様々な改善と応用に焦点を当て、次にTSVRとその様々な拡張を紹介します。 最後に,今後の研究開発の展望を提案する。

関連論文リスト

• GL-TSVM: A robust and smooth twin support vector machine with guardian loss function [0.0]
  非対称,有界,スムーズな特徴を特徴とする新規な損失関数であるガーディアンロス(G-loss)を導入する。 構造リスク最小化(SRM)の原則に従うため,正規化項をGL-TSVMの目的関数に組み込む。 UCIデータセットとKEELデータセットの実験的解析は,提案したGL-TSVMの有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2024-08-29T08:14:20Z)
• Multiview learning with twin parametric margin SVM [0.0]
  マルチビュー学習(MVL)は、相互補完するために多様な視点の利点を活用する。 マルチビュー・ツインパラメトリック・マージン支援ベクトルマシン(MvTPMSVM)を提案する。 MvTPMSVMは、両クラスに対応するパラメトリック・マージン・ハイパープレーンを構築し、異方性雑音構造の影響を規制し、管理することを目的としている。
  論文  参考訳（メタデータ） (2024-08-04T10:16:11Z)
• Multi-class Support Vector Machine with Maximizing Minimum Margin [67.51047882637688]
  Support Vector Machine (SVM) は、パターン認識タスクに広く応用されている機械学習技術である。 本稿では,クラス損失のペア化と最小マージンの最大化を両立するマルチクラスSVMの新たな手法を提案する。 実験により,提案手法の有効性と優位性を示す。
  論文  参考訳（メタデータ） (2023-12-11T18:09:55Z)
• Online Multi-Task Learning with Recursive Least Squares and Recursive Kernel Methods [50.67996219968513]
  本稿では,オンラインマルチタスク学習(MTL)回帰問題に対する2つの新しいアプローチを紹介する。 入力空間の次元の2次パースタンスコストで精度よく近似的な再帰を実現する。 我々は,実世界の風速予測ケーススタディにおいて,オンラインMTL法と他の競技者との比較を行った。
  論文  参考訳（メタデータ） (2023-08-03T01:41:34Z)
• Handling Imbalanced Classification Problems With Support Vector Machines via Evolutionary Bilevel Optimization [73.17488635491262]
  サポートベクトルマシン(SVM)は、バイナリ分類問題に対処する一般的な学習アルゴリズムである。 この記事では、EBCS-SVMについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T16:08:44Z)
• PLSSVM: A (multi-)GPGPU-accelerated Least Squares Support Vector Machine [68.8204255655161]
  Support Vector Machines (SVM) は機械学習で広く使われている。 しかし、現代的で最適化された実装でさえ、最先端ハードウェア上の大きな非自明な高密度データセットにはうまくスケールしない。 PLSSVMはLVMのドロップイン代替として使用できる。
  論文  参考訳（メタデータ） (2022-02-25T13:24:23Z)
• Multi-view learning with privileged weighted twin support vector machine [0.0]
  重み付きツインサポートベクターマシン(WLTSVM)は、非並列平面分類器の共通の欠点を改善するために、サンプル内で可能な限り多くの潜在的な類似情報をマイニングする。 ツインサポートベクトルマシン(TWSVM)と比較して、クラス間K-Nearest Neighbor(KNN)を用いて超流動制約を削除することにより、時間の複雑さを低減する。 本稿では,制限付きツインサポートベクトルマシン(MPWTSVM)を用いた多視点学習を提案する。
  論文  参考訳（メタデータ） (2022-01-27T03:49:53Z)
• Chance constrained conic-segmentation support vector machine with uncertain data [0.0]
  サポートベクトルマシン(SVM)は、よく知られた学習アルゴリズムのクラスの一つである。 本稿では,CS-SVMのデータポイントの不確かさや誤動作について検討する。
  論文  参考訳（メタデータ） (2021-07-28T12:29:47Z)
• Estimating Average Treatment Effects with Support Vector Machines [77.34726150561087]
  サポートベクターマシン(SVM)は、機械学習文献で最も人気のある分類アルゴリズムの1つです。 我々はsvmをカーネルベースの重み付け手順として適用し,治療群と制御群の最大平均差を最小化する。 このトレードオフから生じる因果効果推定のバイアスを特徴づけ、提案されたSVM手順と既存のカーネルバランシング手法を結びつけます。
  論文  参考訳（メタデータ） (2021-02-23T20:22:56Z)
• AML-SVM: Adaptive Multilevel Learning with Support Vector Machines [0.0]
  本稿では非線形SVMのための適応型多段階学習フレームワークを提案する。 改良プロセス全体の分類品質を改善し、マルチスレッド並列処理を活用して性能を向上する。
  論文  参考訳（メタデータ） (2020-11-05T00:17:02Z)
• On Coresets for Support Vector Machines [61.928187390362176]
  coresetは、元のデータポイントの小さな、代表的なサブセットである。 我々は,本アルゴリズムを用いて,既製のSVMソルバをストリーミング,分散,動的データ設定に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-15T23:25:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。