Temat: kernel methods - Prolib Integro

Skocz do pozycji: 1.

Tytuł:: Supervised Kernel Principal Component Analysis by Most Expressive Feature Reordering
Autorzy:: Ślot, K.
Adamiak, K.
Duch, P.
Żurek, D.
Tematy:: feature selection
kernel methods
pattern classification; Pokaż więcej
Data publikacji:: 2015
Powiązania:: https://bibliotekanauki.pl/articles/308598.pdf Link otwiera się w nowym oknie
Źródło:: Journal of Telecommunications and Information Technology; 2015, 2; 3-10
1509-4553
1899-8852
Pojawia się w:: Journal of Telecommunications and Information Technology
Opis:: The presented paper is concerned with feature space derivation through feature selection. The selection is performed on results of kernel Principal Component Analysis (kPCA) of input data samples. Several criteria that drive feature selection process are introduced and their performance is assessed and compared against the reference approach, which is a combination of kPCA and most expressive feature reordering based on the Fisher linear discriminant criterion. It has been shown that some of the proposed modifications result in generating feature spaces with noticeably better (at the level of approximately 4%) class discrimination properties.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Kernel analysis for estimating the connectivity of a network with event sequences
Autorzy:: Tezuka, T.
Claramunt, C.
Tematy:: connectivity estimation
neural network
kernel methods
spike train; Pokaż więcej
Data publikacji:: 2017
Powiązania:: https://bibliotekanauki.pl/articles/91880.pdf Link otwiera się w nowym oknie
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2017, 7, 1; 17-31
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Opis:: Estimating the connectivity of a network from events observed at each node has many applications. One prominent example is found in neuroscience, where spike trains (sequences of action potentials) are observed at each neuron, but the way in which these neurons are connected is unknown. This paper introduces a novel method for estimating connections between nodes using a similarity measure between sequences of event times. Specifically, a normalized positive definite kernel defined on spike trains was used. The proposed method was evaluated using synthetic and real data, by comparing with methods using transfer entropy and the Victor-Purpura distance. Synthetic data was generated using CERM (Coupled Escape-Rate Model), a model that generates various spike trains. Real data recorded from the visual cortex of an anaesthetized cat was analyzed as well. The results showed that the proposed method provides an effective way of estimating the connectivity of a network when the time sequences of events are the only available information.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: An Extended Version of the Proportional Adaptive Algorithm Based on Kernel Methods for Channel Identification with Binary Measurements
Autorzy:: Fateh, Rachid
Darif, Anouar
Safi, Said
Tematy:: binary measurement
BRAN channel identification
kernel methods
PNLMS
phase estimation; Pokaż więcej
Data publikacji:: 2022
Powiązania:: https://bibliotekanauki.pl/articles/2142314.pdf Link otwiera się w nowym oknie
Źródło:: Journal of Telecommunications and Information Technology; 2022, 3; 47--58
1509-4553
1899-8852
Pojawia się w:: Journal of Telecommunications and Information Technology
Opis:: In recent years, kernel methods have provided an important alternative solution, as they offer a simple way of expanding linear algorithms to cover the non-linear mode as well. In this paper, we propose a novel recursive kernel approach allowing to identify the finite impulse response (FIR) in non-linear systems, with binary value output observations. This approach employs a kernel function to perform implicit data mapping. The transformation is performed by changing the basis of the data In a high-dimensional feature space in which the relations between the different variables become linearized. To assess the performance of the proposed approach, we have compared it with two other algorithms, such as proportionate normalized least-meansquare (PNLMS) and improved PNLMS (IPNLMS). For this purpose, we used three measurable frequency-selective fading radio channels, known as the broadband radio access Network (BRAN C, BRAN D, and BRAN E), which are standardized by the European Telecommunications Standards Institute (ETSI), and one theoretical frequency selective channel, known as the Macchi’s channel. Simulation results show that the proposed algorithm offers better results, even in high noise environments, and generates a lower mean square error (MSE) compared with PNLMS and IPNLMS.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Kernel Ho-Kashyap classifier with generalization control
Autorzy:: Łęski, J.
Tematy:: metoda jądrowa
metoda odporna
projekt klasyfikatora
kernel methods
classifier design
Ho-Kashyap classifier
generalization control
robust methods; Pokaż więcej
Data publikacji:: 2004
Powiązania:: https://bibliotekanauki.pl/articles/907269.pdf Link otwiera się w nowym oknie
Źródło:: International Journal of Applied Mathematics and Computer Science; 2004, 14, 1; 53-61
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Opis:: This paper introduces a new classifier design method based on a kernel extension of the classical Ho-Kashyap procedure. The proposed method uses an approximation of the absolute error rather than the squared error to design a classifier, which leads to robustness against outliers and a better approximation of the misclassification error. Additionally, easy control of the generalization ability is obtained using the structural risk minimization induction principle from statistical learning theory. Finally, examples are given to demonstrate the validity of the introduced method.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: One Value of Smoothing Parameter vs Interval of Smoothing Parameter Values in Kernel Density Estimation
Jedna wartość parametru wygładzania vs. przedział wartości parametru wygładzania w estymacji jądrowej funkcji gęstości
Autorzy:: Baszczyńska, Aleksandra Katarzyna
Tematy:: estymacja jądrowa funkcji gęstości
parametr wygładzania
metody ad hoc
kernel density estimation
smoothing parameter
ad hoc methods; Pokaż więcej
Data publikacji:: 2017
Powiązania:: https://bibliotekanauki.pl/articles/659254.pdf Link otwiera się w nowym oknie
Źródło:: Acta Universitatis Lodziensis. Folia Oeconomica; 2017, 6, 332; 73-86
0208-6018
2353-7663
Pojawia się w:: Acta Universitatis Lodziensis. Folia Oeconomica
Opis:: Metody ad hoc wyboru parametru wygładzania w estymacji jądrowej funkcji gęstości, chociaż często wykorzystywane w praktyce ze względu na ich prostotę i – co za tym idzie – wysoką efektywność obliczeniową, charakteryzują się dość dużym błędem. Wartość parametru wygładzania wyznaczona metodą Silvermana jest bliska wartości optymalnej tylko wtedy, gdy rozkład funkcji gęstości jest rozkładem normalnym. Dlatego też metoda ta jest stosowana przede wszystkim we wstępnym etapie wyznaczania estymatora jądrowego i stanowi jedynie punkt wyjściowy do dalszych poszukiwań wartości parametru wygładzania. W artykule przedstawione są metody ad hoc wyboru parametru wygładzania oraz zaprezentowana jest propozycja wyznaczania przedziału wartości parametru wygładzania w estymacji jądrowej funkcji gęstości. Na podstawie wyników badań symulacyjnych określone są własności rozważanych metod wyboru parametru wygładzania.
Ad hoc methods in the choice of smoothing parameter in kernel density estimation, although often used in practice due to their simplicity and hence the calculated efficiency, are characterized by quite big error. The value of the smoothing parameter chosen by Silverman method is close to optimal value only when the density function in population is the normal one. Therefore, this method is mainly used at the initial stage of determining a kernel estimator and can be used only as a starting point for further exploration of the smoothing parameter value. This paper presents ad hoc methods for determining the smoothing parameter. Moreover, the interval of smoothing parameter values is proposed in the estimation of kernel density function. Basing on the results of simulation studies, the properties of smoothing parameter selection methods are discussed.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: A complete gradient clustering algorithm formed with kernel estimators
Autorzy:: Kulczycki, P.
Charytanowicz, M.
Tematy:: analiza danych
eksploracja danych
grupowanie
metoda statystyczna
estymacja jądrowa
obliczenia numeryczne
data analysis
data mining
clustering
gradient procedures
nonparametric statistical methods
kernel estimators
numerical calculations; Pokaż więcej
Data publikacji:: 2010
Powiązania:: https://bibliotekanauki.pl/articles/907781.pdf Link otwiera się w nowym oknie
Źródło:: International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 123-134
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Opis:: The aim of this paper is to provide a gradient clustering algorithm in its complete form, suitable for direct use without requiring a deeper statistical knowledge. The values of all parameters are effectively calculated using optimizing procedures. Moreover, an illustrative analysis of the meaning of particular parameters is shown, followed by the effects resulting from possible modifications with respect to their primarily assigned optimal values. The proposed algorithm does not demand strict assumptions regarding the desired number of clusters, which allows the obtained number to be better suited to a real data structure. Moreover, a feature specific to it is the possibility to influence the proportion between the number of clusters in areas where data elements are dense as opposed to their sparse regions. Finally, the algorithm-by the detection of one-element clusters-allows identifying atypical elements, which enables their elimination or possible designation to bigger clusters, thus increasing the homogeneity of the data set.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "kernel methods" wg kryterium: Temat