Neuronale Informationsverarbeitung

Hyper-Ellipsoidal Conjugate Gradient Descent

Hier finden Sie eine MATLAB-Implementierung des Hyper-Ellipsoidal Conjugate Gradient Descent-Algorithmus, der zur Sparse-Opitimierung von Kernel-Methoden zweiter Ordnung wie Kernel-PCA, Kernel-SFA (Slow Feature Analysis) oder Kernel-CCA (Kanonische Korrelationsanalyse) verwendet werden kann. Die folgenden zwei Dateien können Sie unter den Bedingungen der GNU General Public License herunterladen, verwenden, weitergeben und/oder modifizieren.

hecgd.m - hyper-ellipsoidischer konjugierter Gradientenabstiegsalgorithmus
errsokm.m - Fehlerfunktion für dünnbesetzte Kernelmethoden zweiter Ordnung

Wie Sie diese Dateien verwenden, wird hier beschrieben.

Wenn Sie diese Software in Publikationen verwenden, zitieren Sie bitte:

Vollgraf, R. and Obermayer, K. (2006). Sparse Optimization for Second Order Kernel MethodsIJCNN 2006 Conference Proceedings. IEEE, 145 – 152.