![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Метод обучения и нейросетевого представления Web-классификатора
Метод опорных векторов (Support Vector Machines – SVM) – это алгоритм разделения двух множеств гиперплоскостью, который использует только скалярное произведение векторов [73–76]. Этот метод может быть использован при построении и обучении нейросетевых агентов, обеспечивающих решение задачи классификации текстов [71–73]. Рассмотрим задачу дихотомической классификации в пространстве признаков RN. Уравнение разделяющей гиперплоскости имеет вид
где w – нормаль к гиперплоскости. Полупространства, образуемые этой гиперплоскостью, задаются неравенствами вида Требуется найти классифицирующую функцию в виде
описывающую гомогенную нейронную сеть типа “перцептрон” [109] с синаптическими параметрами Для решения этой задачи синтезируем оптимальную в смысле функционала (11.23) классифицирующую (нейронную) функцию (11.28). Чтобы минимизировать риск классификации (11.23) необходимо минимизировать нормаль к гиперплоскости при условии, что все точки обучающего множества Т классифицируются правильно, т.е.
Используя “ядра” вида (11.25) и определяя вектор оптимальных синаптических параметров w и синаптический порог
|