Deep LS-SVM for regression

Changha Hwang; Jooyong Shim

추천

검색

질문

자료유형: 학술저널

저자정보: Changha Hwang Jooyong Shim

저널정보: 한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제27권 제3호

발행연도: 2016.6

수록면: 827 - 833 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In this paper, we propose a deep least squares support vector machine (LS-SVM) for regression problems, which consists of the input layer and the hidden layer. In the hidden layer, LS-SVMs are trained with the original input variables and the perturbed responses. For the final output, the main LS-SVM is trained with the outputs from LS-SVMs of the hidden layer as input variables and the original responses. In contrast to the multilayer neural network (MNN), LS-SVMs in the deep LS-SVM are trained to minimize the penalized objective function. Thus, the learning dynamics of the deep LS-SVM are entirely different from MNN in which all weights and biases are trained to minimize one final error function. When compared to MNN approaches, the deep LS-SVM does not make use of any combination weights, but trains all LS-SVMs in the architecture. Experimental results from real datasets illustrate that the deep LS- SVM significantly outperforms state of the art machine learning methods on regression problems.

#hidden layer #least squares support vector machine #multi-layer neural network #penalized objective function #Deep learning

참고문헌 (16)

참고문헌 신청

[단행본] - Bengio, Y. / 2007 / Large Scale Kernel Machines / MIT Press

[학술지(정기간행물)] - Cho, Y. / 2009 / Kernel methods for deep learning / Advances in Neural Information Pro-cessing Systems 22 : 342 ~ 350

[학술지(정기간행물)] - 황형태 / 2014 / Support vector quantile regression for autoregressive data / 한국데이터정보과학회지 25 (6) : 1539 ~ 1547

[학술지(정기간행물)] - 황창하 / 2015 / Partially linear support vector orthogonal quantile regression with measurement errors / 한국데이터정보과학회지 26 (1) : 209 ~ 216

[학술지(정기간행물)] - 황창하 / 2016 / Multioutput LS-SVR based residual MCUSUM control chart for autocorrelated process / 한국데이터정보과학회지 27 (2) : 523 ~ 530

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Chang Ha Hwang

소속기관 한국데이터정보과학회

주요연구분야 자연과학 > 수학·통계학

논문수 35 이용수 137

심주용

소속기관 인제대학교

주요연구분야 자연과학 > 수학·통계학

논문수 39 이용수 456

이 논문과 함께 이용한 논문

심층 다중 커널 최소제곱 서포트 벡터 회귀 기계

황창하 , 최상일 , 심주용 한국데이터정보과학회지 2018 .07

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-041-001378132

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)