A supervised strategy for deep kernel machine

Abstract : This paper presents an alternative to the supervised KPCA based approach for learning a Multilayer Kernel Machine (MKM) . In our proposed procedure, the hidden layers are learnt in a supervised fashion based on kernel partial least squares regression. The main interest resides in a simplified learning scheme as the obtained hidden features are automatically ranked according to their correlation with the target outputs. The approach is illustrated on small scale real world applications and shows compelling evidences.
Type de document :
Communication dans un congrès
European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Apr 2011, Bruges, Belgium. pp.501-506, 2011
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00668302
Contributeur : Maxime Berar <>
Soumis le : lundi 13 février 2012 - 11:40:48
Dernière modification le : samedi 27 octobre 2018 - 01:22:54
Document(s) archivé(s) le : mercredi 14 décembre 2016 - 04:55:37

Fichier

es2011-21.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00668302, version 1

Citation

Florian Yger, Maxime Berar, Gilles Gasso, Alain Rakotomamonjy. A supervised strategy for deep kernel machine. European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Apr 2011, Bruges, Belgium. pp.501-506, 2011. 〈hal-00668302〉

Partager

Métriques

Consultations de la notice

194

Téléchargements de fichiers

196