Optimal-trennende Hyperebenen und die Support Vector Machine
Optimal-trennende Hyperebenen und die Support Vector Machine
Optimal-trennende Hyperebenen und die Support Vector Machine
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
• Perzeptron<br />
wj ←− wj + η<br />
Vergleich: Musterbasiertes Lernen<br />
<br />
<br />
y(t) − sign x(t) T <br />
w xj(t)<br />
y(t) ∈ {−1, 1}. Beachte, dass <strong>die</strong> Klammer Null ist, wenn richtig klassifiziert.<br />
Ansonsten ist der Term entweder gleich 2 oder gleich -2. Auch<br />
wj ←− wj + ηy(t)xj(t)<br />
für falsch klassifizierte Muster<br />
• Logistic regression: Die“natürliche”kontinuierliche Verallgemeinerung<br />
wj ←− wj + η<br />
• Neuronale Netze<br />
wj ←− wj + η<br />
<br />
y(t) − sig x(t) T <br />
w xj(t)<br />
<br />
y(t) − sig x(t) T <br />
w<br />
<br />
sig<br />
′<br />
x(t) T <br />
w<br />
xj(t)<br />
16