×

辣味MKL

swMATH ID: 14765
软件作者: 铃木、太极;良田富冈
描述: SpicyMKL:一种使用数千个内核进行多内核学习的快速算法。我们提出了一种新的多核学习优化算法SpicyMKL,它适用于一般的凸损失函数和一般类型的正则化。提出的SpicyMKL迭代地解决了光滑最小化问题。因此,无需在内部求解SVM、LP或QP。SpicyMKL可以看作是一种近似最小化方法,并且收敛于超线性。内部最小化的成本与活动内核的数量大致成正比。因此,当我们以稀疏核组合为目标时,我们的算法可以很好地适应不断增加的核数。此外,我们给出了包含非解析正则化的MKL的一般块形式公式,如弹性网和(ell_{p})范数正则化。通过对SpicyMKL的扩展,我们提出了一种通用正则化框架的高效优化方法。实验结果表明,我们的算法比现有方法更快,尤其是当核数较大(>1000)时。
主页: http://link.springer.com/article/10.1007%2Fs10994-011-5252-9
关键词: 多核学习;稀疏;非光滑优化;超线性收敛;近似最小化
相关软件: 简单MKL;SHOGUN公司;伦敦银行支持向量机;简易MKL;UCI-毫升;BRMaximin公司;罗马;CVX公司;DeMat公司;;加州理工大学-256;SIFT公司;伦敦银行同业拆借利率;阿达·布斯特。MH公司;岗位;FortSP公司;综合项目管理;备用日志记录;WaveLab公司
引用于: 8文件

按年份列出的引文