Resumen

La selección del conjunto de trabajo es un paso importante en los métodos de descomposición para el entrenamiento de máquinas de vectores de soporte de mínimos cuadrados (LS-SVMs). En este trabajo se propone una nueva técnica para la selección del conjunto de trabajo en los métodos de descomposición de tipo optimización mínima secuencial (SMO). Mediante el nuevo método, podemos seleccionar una única dirección para lograr la convergencia de la condición de optimalidad. Se ofrece una sencilla prueba de convergencia asintótica para el nuevo algoritmo. Las comparaciones experimentales demuestran que la precisión de la clasificación del nuevo método no difiere mucho de los métodos existentes, pero la velocidad de entrenamiento es más rápida que la de los existentes.

• Materias:Sistema nervioso Neuronas Cerebro - fisiopatología Neurociencia Cognitiva Imagen por resonancia magnética
• Subjects:Nervous systems Neurons Brain - pathophysiology Cognitive Neuroscience Magnetic resonance imaging
• Palabras claves:nuevos métodos, prueba de convergencia asintótica, selección de trabajo, métodos de descomposición de tipos, optimización mínima secuencial-, condiciones de optimalidad, direcciones únicas, mínimos cuadrados, nuevo algoritmo, selección de conjuntos
• Keywords:new methods, asymptotic convergence proof, selection of working, type decomposition methods, sequential minimal optimization-, optimality conditions, single directions, least square, new algorithm, set selection