Numer: 02/2002 Str. 29-36
Autorzy: Stanisław Osowski :
Tytuł: Sieci neuronowe SVM w zastosowaniu do klasyfikacji wzorców
Streszczenie: W pracy przedstawiono nowy rodzaj podejścia do sieci neuronowych w zastosowaniu do klasyfikacji danych, oparty na technice wektorów podtrzymujących. Sieci tego typu nazywa się sieciami SVM. W podejściu tym problem uczenia sieci sprowadza się do rozwiązania zagadnienia programowania kwadratowego z ograniczeniami liniowymi. Sformułowanie zadania uczenia sieci jako problemu programowania kwadratowego jest bardzo atrakcyjne, ponieważ daje gwarancję znalezienia minimum globalnego funkcji celu niezależnie od rodzaju problemu i typu zastosowania sieci. Obliczenia numeryczne mogą być przeprowadzane bardzo efektywnie z zastosowaniem dekompozycji, uniezależniające w dużym stopniu działanie algorytmu od liczby danych uczących. Takich zalet pozbawione jest klasyczne podejście do uczenia sieci neuronowych.
Słowa kluczowe: Sieci neuronowe SVM, klasyfikacja wzorców