Optimal rate for support vector machine regression with Markov chain samples
Optimal rate for support vector machine regression with Markov chain samples
复制标题
马尔可夫链样本支持向量机回归的最佳速率
DOI：
10.1142/s0219691314500453
复制
发表时间：
2014-11
期刊：
影响因子：
--
通讯作者：
Jie Xu
中科院分区：
文献类型：
--
作者：
Jie Xu
支持向量机回归（SVMR）是一种正则化学习方法，用于再现具有不敏感损失函数的核希尔伯特空间。与以往研究独立同分布样本的SVMR泛化能力不同，本文考虑了基于非同分布样本的SVMR算法的泛化能力。样本，均匀遍历马尔可夫链（u.e.M.c）样本。对基于u.e.M.c.样本的SVMR算法进行了误差分析，得到了基于u.e.M.c.样本的SVMR算法的最优学习率。
Support vector machine regression (SVMR) is a regularized learning method in reproducing kernel Hilbert spaces with epsilon-insensitive loss function. Different from the previously known works on the generalization ability of SVMR with independent and identically distributed (i.i.d.) samples, in this paper, we consider the generalization ability of SVMR algorithm based on non-i.i.d. samples, uniformly ergodic Markov chain (u.e.M.c.) samples. We give an error analysis for SVMR algorithm based on u.e.M.c. samples and obtain the optimal learning rate for the SVMR algorithm based on u.e.M.c. samples.
登录
查看更多内容
影响因子：
3
作者：
Peng, Lizhong;Tong, Hongzhi;Chen, Di-Rong
通讯作者：
Chen, Di-Rong
基于马尔可夫采样的高斯核SVMC泛化性能
DOI：
10.1016/j.neunet.2014.01.013
发表时间：
2014-05
期刊：
Neural Networks
影响因子：
--
作者：
Xu Jie;Tang Yuan Yan;Zou Bin;Xu Zongben;Li Luoqing;Lu Yang
通讯作者：
Lu Yang
DOI：
10.1090/s0002-9947-1950-0051437-7
发表时间：
1950-01-01
影响因子：
1.3
作者：
ARONSZAJN, N
通讯作者：
ARONSZAJN, N
DOI：
10.1007/978-1-4757-2545-2
发表时间：
1996-03
期刊：
--
影响因子：
--
作者：
T. Mikosch;A. Vaart;J. Wellner
通讯作者：
T. Mikosch;A. Vaart;J. Wellner
DOI：
10.1109/34.682186
发表时间：
1998-05-01
影响因子：
23.6
作者：
Tang, YY;Tu, LT;Shyu, IS
通讯作者：
Shyu, IS