擴散過程的概念來自於物理問題以及可信度傳遞推論演算法來自於處理機率圖形模型(probabilistic graphical models)的問題。這兩種方法被廣泛的利用來處理分散式計算系統。在某些情…

在支撐向量法 (Support Vector Machines: SVMs) 的分類問題(classification) 中，我們深入的探討遺失 (loss) 處罰 (penalty) 項，發現了不…

在現實生活中，已標類的資料(labeled data)有時是稀少且珍貴的。在文件分類(text classification)上，我們正面臨此類的問題，我們必須耗費相當的人力去閱讀一篇文章才能正確地…

none

均值移動法(mean shift)是一種用在非監督式學習上且無參數的演算法。主要是藉由密度梯度的評估再利用遞迴的方式找到樣本中局部稠密度最高的位置。在這論文中，我們提出一個基於均值移動法的新演算法並…

在巨量資料的年代，我們很難直接針對這些高維度且高複雜度的資料直接做處理。此外，標記資料需要大量的時間、人力、甚至是金錢；相對的，未被標記的資料非常的多而且容易取得。半監督式學習利用可以利用少量標記資…

隨著現代科技的進步，全世界每分每秒都有千千萬萬筆不同種類的資料生成。因此，在如今大數據的時代，如何處理大規模數據集是一項很大的挑戰。現實世界中的分類問題通常都需要非線性分類器。支撐向量機（SVM）是…

在這篇論文，我們提出了兩種適用於平滑支持向量機之赫氏反矩陣更新策略，以及一些實作上的加速計算的技術，來幫助我們快速獲得我們想要知道的資訊，例如：赫氏反矩陣、牛頓方向…等。在實驗的章節，我們利用幾個較…

隨著各式感測器的開發，生物技術與各式醫療診測儀器的快速進展，現今的資料維度與特徵漸趨於複雜且龐大。因此在此一篇論文中，我們提出了一個利用非線性資料降維之方法來進行分析資料的架構。主要的想法為透過非線…