An introduction to support vector machines / Nello Cristianini

Public ISBD Titre : An introduction to support vector machines : And other kernel-based learning methods Type de document : texte imprimé Auteurs : Nello Cristianini ; John Shawe-Taylor Editeur : Cambridge : Cambridge university press Année de publication : 2000 Importance : 1vol (189 p.) Présentation : ill. Format : 26 cm ISBN/ISSN/EAN : 978-0-521-78019-3 Catégories : Informatique Mots-clés : Intelligence artificielle Apprentissage automatique Acquisition des connaissances (systèmes experts) Modèles stochastiques d'apprentissage Traitement vectoriel Noyaux (analyse fonctionnelle) Algorithmes Index. décimale : 006.3 Intelligence artificielle Résumé : Il s'agit de la première introduction complète aux machines vectorielles de support (SVM), un système d'apprentissage de nouvelle génération basé sur les avancées récentes de la théorie de l'apprentissage statistique. Les étudiants trouveront le livre à la fois stimulant et accessible, tandis que les praticiens seront guidés en douceur à travers le matériel requis pour une bonne compréhension de la théorie et de ses applications. Les concepts sont introduits progressivement dans des étapes accessibles et autonomes, tandis que la présentation est rigoureuse et approfondie. Les pointeurs vers la documentation pertinente et les sites Web contenant des logiciels en font un point de départ idéal pour une étude plus approfondie. Note de contenu : Sommaire Preface 1. The learning methodology 2. Linear learning machines 3. Kernel-induced feature space 4. Generalisation theory 5. Optimisation theory 6. Support vector machines 7. Implementation techniques 8. Applications of support vector machines Appendix A: pseudocode for the SMO algorithm Appendix B: background mathematics Appendix C: glossary Appendix D: notation Bibliography; Index. Côte titre : Fs/19780 An introduction to support vector machines : And other kernel-based learning methods [texte imprimé] / Nello Cristianini ; John Shawe-Taylor . - Cambridge : Cambridge university press, 2000 . - 1vol (189 p.) : ill. ; 26 cm. ISBN : 978-0-521-78019-3 Catégories : Informatique Mots-clés : Intelligence artificielle Apprentissage automatique Acquisition des connaissances (systèmes experts) Modèles stochastiques d'apprentissage Traitement vectoriel Noyaux (analyse fonctionnelle) Algorithmes Index. décimale : 006.3 Intelligence artificielle Résumé : Il s'agit de la première introduction complète aux machines vectorielles de support (SVM), un système d'apprentissage de nouvelle génération basé sur les avancées récentes de la théorie de l'apprentissage statistique. Les étudiants trouveront le livre à la fois stimulant et accessible, tandis que les praticiens seront guidés en douceur à travers le matériel requis pour une bonne compréhension de la théorie et de ses applications. Les concepts sont introduits progressivement dans des étapes accessibles et autonomes, tandis que la présentation est rigoureuse et approfondie. Les pointeurs vers la documentation pertinente et les sites Web contenant des logiciels en font un point de départ idéal pour une étude plus approfondie. Note de contenu : Sommaire Preface 1. The learning methodology 2. Linear learning machines 3. Kernel-induced feature space 4. Generalisation theory 5. Optimisation theory 6. Support vector machines 7. Implementation techniques 8. Applications of support vector machines Appendix A: pseudocode for the SMO algorithm Appendix B: background mathematics Appendix C: glossary Appendix D: notation Bibliography; Index. Côte titre : Fs/19780

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19780	Fs/19780	Livre	Bibliothéque des sciences	Français	Disponible Disponible

Kernel methods for pattern analysis / John Shawe-Taylor

Public ISBD Titre : Kernel methods for pattern analysis Type de document : texte imprimé Auteurs : John Shawe-Taylor ; Nello Cristianini Editeur : Cambridge : Cambridge university press Année de publication : 2004 Importance : 1 vol (462 p.) Présentation : ill. Format : 26 cm ISBN/ISSN/EAN : 978-0-521-81397-6 Catégories : Mathématique Mots-clés : Pattern perception -- Data processing Apprentissage automatique Modèles stochastiques d'apprentissage Traitement vectoriel Algorithmes Noyaux (analyse fonctionnelle) Index. décimale : 510 Mathématique Résumé : Les méthodes du noyau fournissent un cadre puissant et unifié pour la découverte de motifs, des algorithmes de motivation pouvant agir sur des types de données généraux (chaînes, vecteurs ou texte) et recherchent des types généraux de relations (classements, classifications, régressions, clusters). Les domaines d'application vont des réseaux de neurones et de la reconnaissance de formes à l'apprentissage automatique et à l'exploration de données. Ce livre, développé à partir de conférences et de tutoriels, remplit deux rôles principaux: premièrement, il fournit aux praticiens une grande boîte à outils d'algorithmes, de noyaux et de solutions prêts à l'emploi pour des problèmes de découverte de modèles standard. Deuxièmement, il fournit une introduction facile pour les étudiants et les chercheurs dans le domaine croissant de l'analyse de motifs à base de noyau, montrant comment utiliser un algorithme ou un noyau pour une nouvelle application spécifique et couvrant tous les outils conceptuels et mathématiques nécessaires. . Note de contenu : Sommaire Preface; Part I. Basic Concepts: 1. Pattern analysis; 2. Kernel methods: an overview; 3. Properties of kernels; 4. Detecting stable patterns; Part II. Pattern Analysis Algorithms: 5. Elementary algorithms in feature space; 6. Pattern analysis using eigen-decompositions; 7. Pattern analysis using convex optimisation; 8. Ranking, clustering and data visualisation; Part III. Constructing Kernels: 9. Basic kernels and kernel types; 10. Kernels for text; 11. Kernels for structured data: strings, trees, etc.; 12. Kernels from generative models; Appendix A: proofs omitted from the main text; Appendix B: notational Côte titre : Fs/19785 Kernel methods for pattern analysis [texte imprimé] / John Shawe-Taylor ; Nello Cristianini . - Cambridge : Cambridge university press, 2004 . - 1 vol (462 p.) : ill. ; 26 cm. ISBN : 978-0-521-81397-6 Catégories : Mathématique Mots-clés : Pattern perception -- Data processing Apprentissage automatique Modèles stochastiques d'apprentissage Traitement vectoriel Algorithmes Noyaux (analyse fonctionnelle) Index. décimale : 510 Mathématique Résumé : Les méthodes du noyau fournissent un cadre puissant et unifié pour la découverte de motifs, des algorithmes de motivation pouvant agir sur des types de données généraux (chaînes, vecteurs ou texte) et recherchent des types généraux de relations (classements, classifications, régressions, clusters). Les domaines d'application vont des réseaux de neurones et de la reconnaissance de formes à l'apprentissage automatique et à l'exploration de données. Ce livre, développé à partir de conférences et de tutoriels, remplit deux rôles principaux: premièrement, il fournit aux praticiens une grande boîte à outils d'algorithmes, de noyaux et de solutions prêts à l'emploi pour des problèmes de découverte de modèles standard. Deuxièmement, il fournit une introduction facile pour les étudiants et les chercheurs dans le domaine croissant de l'analyse de motifs à base de noyau, montrant comment utiliser un algorithme ou un noyau pour une nouvelle application spécifique et couvrant tous les outils conceptuels et mathématiques nécessaires. . Note de contenu : Sommaire Preface; Part I. Basic Concepts: 1. Pattern analysis; 2. Kernel methods: an overview; 3. Properties of kernels; 4. Detecting stable patterns; Part II. Pattern Analysis Algorithms: 5. Elementary algorithms in feature space; 6. Pattern analysis using eigen-decompositions; 7. Pattern analysis using convex optimisation; 8. Ranking, clustering and data visualisation; Part III. Constructing Kernels: 9. Basic kernels and kernel types; 10. Kernels for text; 11. Kernels for structured data: strings, trees, etc.; 12. Kernels from generative models; Appendix A: proofs omitted from the main text; Appendix B: notational Côte titre : Fs/19785

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19785	Fs/19785	Livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 2 / 2)