Learning Maximal Margin Markov Networks via Tractable Convex Optimization

Learning Maximal Margin Markov Networks via Tractable Convex Optimization

Показано, что обучение марковской сети общего вида может быть представлено в виде задачи выпуклой оптимизации. Основная идея метода заключается в использовании LP-релаксации (max,+)-задачи непосредственно при формулировании задачи обучения....

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2011
Автори: Franc, V., Laskov, P.
Формат: Стаття
Мова:English
Опубліковано: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2011
Назва видання:Управляющие системы и машины
Теми:
Оптимизационные задачи структурного распознавания образов
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/82921
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Learning Maximal Margin Markov Networks via Tractable Convex Optimization / V. Franc, P. Laskov // Управляющие системы и машины. — 2011. — № 2. — С. 25-34. — Бібліогр.: 17 назв. — англ.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-82921
record_format dspace
spelling irk-123456789-829212015-06-12T03:02:14Z Learning Maximal Margin Markov Networks via Tractable Convex Optimization Franc, V. Laskov, P. Оптимизационные задачи структурного распознавания образов Показано, что обучение марковской сети общего вида может быть представлено в виде задачи выпуклой оптимизации. Основная идея метода заключается в использовании LP-релаксации (max,+)-задачи непосредственно при формулировании задачи обучения. It is shown that the learning of a general Markov network can be represented as a convex optimization problem. The key idea of the method is to use a linear programming relaxation of the (max,+)-problem directly in the formulation of the learning problem. Показано, що навчання марківської мережі загального вигляду може бути подано у вигляді задачі опуклої оптимізації. Основна ідея методу полягає у використанні LP-релаксації (max,+)-задачі безпосередньо при формулюванні задачі навчання. 2011 Article Learning Maximal Margin Markov Networks via Tractable Convex Optimization / V. Franc, P. Laskov // Управляющие системы и машины. — 2011. — № 2. — С. 25-34. — Бібліогр.: 17 назв. — англ. 0130-5395 http://dspace.nbuv.gov.ua/handle/123456789/82921 004.93’1:519.157 en Управляющие системы и машины Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language English
topic Оптимизационные задачи структурного распознавания образов
Оптимизационные задачи структурного распознавания образов
spellingShingle Оптимизационные задачи структурного распознавания образов
Оптимизационные задачи структурного распознавания образов
Franc, V.
Laskov, P.
Learning Maximal Margin Markov Networks via Tractable Convex Optimization
Управляющие системы и машины
description Показано, что обучение марковской сети общего вида может быть представлено в виде задачи выпуклой оптимизации. Основная идея метода заключается в использовании LP-релаксации (max,+)-задачи непосредственно при формулировании задачи обучения.
format Article
author Franc, V.
Laskov, P.
author_facet Franc, V.
Laskov, P.
author_sort Franc, V.
title Learning Maximal Margin Markov Networks via Tractable Convex Optimization
title_short Learning Maximal Margin Markov Networks via Tractable Convex Optimization
title_full Learning Maximal Margin Markov Networks via Tractable Convex Optimization
title_fullStr Learning Maximal Margin Markov Networks via Tractable Convex Optimization
title_full_unstemmed Learning Maximal Margin Markov Networks via Tractable Convex Optimization
title_sort learning maximal margin markov networks via tractable convex optimization
publisher Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
publishDate 2011
topic_facet Оптимизационные задачи структурного распознавания образов
url http://dspace.nbuv.gov.ua/handle/123456789/82921
citation_txt Learning Maximal Margin Markov Networks via Tractable Convex Optimization / V. Franc, P. Laskov // Управляющие системы и машины. — 2011. — № 2. — С. 25-34. — Бібліогр.: 17 назв. — англ.
series Управляющие системы и машины
work_keys_str_mv AT francv learningmaximalmarginmarkovnetworksviatractableconvexoptimization
AT laskovp learningmaximalmarginmarkovnetworksviatractableconvexoptimization
first_indexed 2023-10-18T19:25:41Z
last_indexed 2023-10-18T19:25:41Z
_version_ 1796146923986485248

Схожі ресурси