Kernfunktionen für Strukturierte Daten

dc.contributor.author	Gärtner, Thomas
dc.contributor.editor	Wagner, Dorothea
dc.date.accessioned	2017-09-22T20:43:07Z
dc.date.available	2017-09-22T20:43:07Z
dc.date.issued	2006
dc.description.abstract	Maschinelles Lernen ist ein Teilgebiet der Informatik, das sich mit der Au- tomatisierung von Lernprozessen beschäftigt. Kernmethoden - die zur Zeit wohl erfolgreichsten maschinellen Lernverfahren - wurden zunächst für Anwendungen konzipiert, in denen die Objekte des Lernens einfach in einen Euklidischen Raum eingebettet werden können. In vielen Anwendungen ist dies jedoch nicht der Fall. Diese Arbeit erweitert nun Kernmethoden auf allgemeinere, so genannte strukturierte, Daten. Dazu werden passende Kernfunktionen definiert und charakterisiert. Anwendungen aus dem Bereich der pharmazeutischen Wirkstoffforschung zeigen substantielle Verbesserungen gegenüber dem Einsatz konventioneller Lernverfahren.	de
dc.identifier.isbn	978-3-88579-330-X
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/4532
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2005
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Dissertations, Volume D-6
dc.title	Kernfunktionen für Strukturierte Daten	de
gi.citation.endPage	38
gi.citation.publisherPlace	Bonn
gi.citation.startPage	29

Dateien

1 - 1 von 1