Ευστάθεια φασματικών αλγορίθμων: θεωρία, μεθοδολογιες και εφαρμογές

Περίληψη σε άλλη γλώσσα

In Data Mining an important research problem is the identification and analysis of theoretical properties that characterize and explain the behavior of learning algorithms. Based on such theoretical tools the comparison and analysis of algorithms can be based on rigorous and sound criteria other than simply their empirical behavior. In this context, an important criterion that is widely used for assessing the quality of learning algorithms is stability. Stability essentially evaluates the sensitivity of the output of a learning algorithm with respect to small perturbations of the input. An algorithm is said to be stable if it is insensitive to perturbations and unstable if even small perturbations of the input can significantly alter the algorithm’s output. Based on this definition it is natural to require that an algorithm is stable. A learning paradigm that has been recently developed in the context of Data Mining considers the use of Spectral techniques for addressing several data m ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/17216
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/17216
Εναλλακτικός τίτλος
Stability of spectral learning algorithms: theory, methodologies and applications
Συγγραφέας
Μαυροειδής, Δημήτριος
Ημερομηνία
2009
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Βαζιργιάννης Μιχαήλ
Γιαννακουδάκης Εμμανουήλ
Βασσάλος Βασίλης
Βασσάλος Πάρις
Κωτίδης Ιωάννης
Χαλκίδη Μαρία
Δελλαπόρτας Πέτρος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμες Ηλεκτρονικών Υπολογιστών & Πληροφορικής
Λέξεις-κλειδιά
Αλγόριθμοι, Φασματικοί; Συσταδοποίηση; Ευστάθεια φασματικών αλγορίθμων; Ημιεπιβλεπώμενη μάθηση; Επιτάχυνση της μεθόδου δυνάμεων; Συσταδοποίηση, Κατανεμημένη
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
135 σ., εικ.