Date(s) : 20/09/2013 iCal
10 h 00 min - 11 h 00 min
Algorithmes d’apprentissage et bornes sur le risque pour l’approche de la régression à la prédiction de structures\nBy Mario Marchand\, Université Laval\, Québec\, Canada.\n\nNous présentons des garanties rigoureuses sur l’approche de la régression à la prédiction de sorties structurées. Nous montrons que le risque quadratique (de régression) borne supérieurement le risque de prédiction lorsque le noyau de sortie vérifie certaines conditions relativement au risque de prédiction. Nous proposons deux bornes sur le risque de prédiction qui dépendent du risque empirique quadratique. Le minimiseur de la première borne se trouve à être le prédicteur proposé par Cortes et al (2007). Le minimiseur de la deuxième borne est un prédicteur proposé pour la première fois. Ces deux prédicteurs sont comparés sur la reconnaissance de mots manuscrits et la classification hiérarchique d’enzymes.
Catégories