日時 2000年10月17日(火) 15時〜15時50分 場所 経済学部5階視聴覚室 講演者 小林 景 (計数M1) 演題 Support Vector Machineによるパターン認識(文献紹介) 概要 suppot vector machine(SVM)は,Vapnikにより開発された パターン認識における学習手法のひとつであり,kernel関数を用いて, 入力学習データをより高次なfeature spaceに写像し,厚みを持つ 超平面でそれらを分類する.またSVMは,VC次元という 新しい概念を導入することにより,汎化誤差や収束速度の 最悪評価が比較的容易な計算でできるという特徴をもつ. 今日では,その応用は回帰,時系列解析,密度推定などに広がり, また,その汎化誤差予測の精度を上げる研究も続けられている. 本発表ではVapnik[\cite{Vapnik}]に基づき, SVMの原理と,その長所,現時点での問題点について説明する. また,余裕があれば先日Vapnikにより発表された, より高精度の汎化誤差推定法の一つを紹介する. (参考文献) V. Vapnik, The Nature of Statistical Learning Theory. New York: Springer-Verlag, 1995 V. Vapnik, Statistical Learning Theory. New York: Wiley, 1998 V. Vapnik, O. Chapelle, Bounds on Error Expectation for Support Vector Machine: Newral Computation 12, pp 2013-2036, 2000