SVM hyperbolique et ingénierie du noyau
Aya El Dakdouki
Université Grenoble Alpes
https://fr.linkedin.com/in/aya-el-dakdouki-67a3a1103
Date(s) : 10/06/2022 iCal
14h30 - 15h30
Dans l’apprentissage automatique, les machines à vecteurs de support (SVM) sont un ensemble de techniques d’apprentissage supervisé destinéesà résoudre des problèmes de discrimination et de régression.
Nous proposons deux nouveaux problèmes d’aprentissage statistique: le premier est la conception et l’évaluation d’une machine à noyau généralisant les machines à vecteurs support multi-classes. Le second relève de l’ingénierie du noyau. II porte sur la conception d’un nouveau noyau s’appuyant sur la transformée de Fourier d’un modèle de mélange gaussien.
Hyperbolic SVM and kernel engineering
In machine learning, support vector machines (SVMs) are a set of supervised learning techniques for solving discrimination and regression problems.
We propose two new statistical learning problems: the first one is the design and evaluation of a kernel machine generalizing multi-class support vector machines. The second one is a kernel engineering problem. It concerns the design of a new kernel based on the Fourier transform of a Gaussian mixture model.
Emplacement
I2M Chateau-Gombert - CMI, Salle de Séminaire R164 (1er étage)
Catégories