Strojové učení v Hilbertově prostoru
| advisor: | doc. Ing. Jaromír Kukal, Ph.D. |
| e-mail: | show e-mail |
| type: | bachelor thesis, master thesis |
| branch of study: | MI_MM, MI_AMSM, MINF, APIN |
| key words: | klasifikace do více tříd, jádrové metody, Hilbertův prostor, strojové učení, nelineární skrytá vrstva |
| description: | Celá řada metod strojového učení je orientovaná na klasifikaci vzorů do více tříd. Málokdy můžeme přímo využít lineární separabilitu tříd, a proto se ve skrytých vrstvách data nelineárně transformují do jiného prostoru, kde by již separabilní byla. Jedna z možností je data transformovat do Hilbertova prostoru, což je základem moderních jádrových metod. Součástí práce je pochopit základní vlastnosti Hilbertova prostoru, a na ně navázat elementárními operacemi, které mohou být užitečné při konstrukci klasifikátorů. Konečným výsledkem budou nové algoritmy strojového učení vhodné pro zpracování velkého množství dat. Předpokladem jsou znalosti lineární algebry a programování v MATLABu. |
| references: | [1] Šnor, J., Kukal, J., Tran, Q.V., SOM in Hilbert Space, Neural Network World, 29(1):19-31 (2019)
[2] Shawe-Taylor, J., Cristianini, N., Kernel Methods for Pattern Analysis, Cambridge University Press (2004) |
| last update: | 12.03.2022 23:27:54 |
administrator for this page:
Ľubomíra Dvořáková | last update: 09/12/2011