|
Risques garantis pour les M-SVM| old_uid | 4242 |
|---|
| title | Risques garantis pour les M-SVM |
|---|
| start_date | 2008/03/10 |
|---|
| schedule | 13h30 |
|---|
| online | no |
|---|
| summary | Les machines à vecteurs support (SVM) sont des modèles de l'apprentissage automatique qui font actuellement l'objet de nombreux travaux de recherche, ceci pour deux raisons principales : d'une part, leurs performances constituent l'état de l'art dans de multiples domaines de la reconnaissance des formes, d'autre part, elles possèdent des propriétés statistiques remarquables. Le premier modèle de SVM proposé par Vapnik et ses co-auteurs calcule des dichotomies. Il peut être utilisé pour effectuer des tâches de discrimination à catégories multiples, dans le cadre de l'application de méthodes de décomposition. Des SVM multi-classes ont également été proposées dans la littérature, parmi lesquelles nous distinguons celles qui s'appuient sur un modèle affine multivarié, que nous nommons M-SVM. Cette communication décrit les trois principaux modèles de M-SVM, ainsi que les bornes que nous avons établies sur leur risque. |
|---|
| responsibles | Stoltz |
|---|
| |
|