Analyzing l1-loss and l2-loss Support Vector Machines Implemented in PERMON Toolbox

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68145535%3A_____%2F20%3A00537238" target="_blank" >RIV/68145535:_____/20:00537238 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27240/20:10245745

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-14907-9_2" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-14907-9_2</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-14907-9_2" target="_blank" >10.1007/978-3-030-14907-9_2</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Analyzing l1-loss and l2-loss Support Vector Machines Implemented in PERMON Toolbox

Popis výsledku v původním jazyce

This paper deals with investigating l1-loss and l2-loss l2-regularized Support Vector Machines implemented in PermonSVM – a part of our PERMON toolbox. The loss functions quantify error between predicted and correct classifications of samples in cases of non-perfectly linearly separable classifications. In numerical experiments, we study properties of Hessians related to performance score of models and analyze convergence rate on 4 public available datasets. The Modified Proportioning and Reduced Gradient Projection algorithm is used as a solver for the dual Quadratic Programming problem resulting from Support Vector Machines formulations.

Název v anglickém jazyce

Analyzing l1-loss and l2-loss Support Vector Machines Implemented in PERMON Toolbox

Popis výsledku anglicky

This paper deals with investigating l1-loss and l2-loss l2-regularized Support Vector Machines implemented in PermonSVM – a part of our PERMON toolbox. The loss functions quantify error between predicted and correct classifications of samples in cases of non-perfectly linearly separable classifications. In numerical experiments, we study properties of Hessians related to performance score of models and analyze convergence rate on 4 public available datasets. The Modified Proportioning and Reduced Gradient Projection algorithm is used as a solver for the dual Quadratic Programming problem resulting from Support Vector Machines formulations.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Electrical Engineering

ISBN

978-3-030-14906-2

ISSN

1876-1100

e-ISSN

1876-1119

Počet stran výsledku

11

Strana od-do

13-23

Název nakladatele

Springer Nature Switzerland AG

Místo vydání

Cham

Místo konání akce

Ostrava

Datum konání akce

11. 11. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—