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. It is shown that the learning of a general Markov network c...
Saved in:
| Published in: | Управляющие системы и машины |
|---|---|
| Date: | 2011 |
| Main Authors: | , |
| Format: | Article |
| Language: | English |
| Published: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
2011
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/82921 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | 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. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-82921 |
|---|---|
| record_format |
dspace |
| spelling |
Franc, V. Laskov, P. 2015-06-11T20:03:31Z 2015-06-11T20:03:31Z 2011 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 https://nasplib.isofts.kiev.ua/handle/123456789/82921 004.93’1:519.157 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. Vojtěch Franc was supported by the Czech Ministry of Education project 1M0567 and by EC projects FP7-ICT-247525 HUMAVIPS, PERG04- GA-2008-239455 SEMISOL. Any opinions expressed in this paper do not necessarily reflect the views of the European Community. The Community is not liable for any use that may be made of the information contained herein. Pavel Laskov was supported by the Heisenberg Fellowship of the German Science Foundation. en Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Оптимизационные задачи структурного распознавания образов Learning Maximal Margin Markov Networks via Tractable Convex Optimization Обучение марковских сетей при помощи разрешимой выпуклой оптимизации Навчання марківських мереж за допомогою розв’язної опуклої оптимізаці Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Learning Maximal Margin Markov Networks via Tractable Convex Optimization |
| spellingShingle |
Learning Maximal Margin Markov Networks via Tractable Convex Optimization Franc, V. Laskov, P. Оптимизационные задачи структурного распознавания образов |
| 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 |
| author |
Franc, V. Laskov, P. |
| author_facet |
Franc, V. Laskov, P. |
| topic |
Оптимизационные задачи структурного распознавания образов |
| topic_facet |
Оптимизационные задачи структурного распознавания образов |
| publishDate |
2011 |
| language |
English |
| container_title |
Управляющие системы и машины |
| publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України |
| format |
Article |
| title_alt |
Обучение марковских сетей при помощи разрешимой выпуклой оптимизации Навчання марківських мереж за допомогою розв’язної опуклої оптимізаці |
| 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.
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.
|
| issn |
0130-5395 |
| url |
https://nasplib.isofts.kiev.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. |
| work_keys_str_mv |
AT francv learningmaximalmarginmarkovnetworksviatractableconvexoptimization AT laskovp learningmaximalmarginmarkovnetworksviatractableconvexoptimization AT francv obučeniemarkovskihseteipripomoŝirazrešimoivypukloioptimizacii AT laskovp obučeniemarkovskihseteipripomoŝirazrešimoivypukloioptimizacii AT francv navčannâmarkívsʹkihmerežzadopomogoûrozvâznoíopukloíoptimízací AT laskovp navčannâmarkívsʹkihmerežzadopomogoûrozvâznoíopukloíoptimízací |
| first_indexed |
2025-12-07T20:10:41Z |
| last_indexed |
2025-12-07T20:10:41Z |
| _version_ |
1850881597171040256 |