再生核Hilbert空间中的步长自适应
S.V.N.Vishwanathan、Nicol N.Schraudolph、Alex J.Smola; 7(40):1107−1133, 2006.
摘要
本文提出了一种在线支持向量机(SVM),它使用自适应步长的随机元衰减(SMD)算法自动。我们将在线学习问题表述为再生核Hilbert空间中的随机梯度下降(RKHS)并将SMD转换为非参数设置,其中梯度跟踪参数不再是系数向量,而是RKHS元素。我们获得高效的更新,使我们能够在线性时间内执行步长自适应。我们应用在线支持向量机框架的各种损失函数,以及特别展示了如何处理结构化输出空间并实现高效的在线多类分类。实验表明我们的算法在设置渐变步长。
[腹肌]
[pdf格式][围兜]