Scarica "Support Vector Machines e apprendimento statistico per l’analisi non parametrica della regressione:" gratis


Vote -Vote + (No Ratings Yet)
Loading ... Loading ...
Su questa pagina EilaStudenti.net Voi potete scaricare gratuitamente il lavoro sul tema "Support Vector Machines e apprendimento statistico per l’analisi non parametrica della regressione:". Seguite le istruzione e confermate il codice. Aspettate alcuni istanti finché il file inizia scaricarsi. Voi potete anche richiedere altro lavoro e noi troveremo essa in 24 ore. In basso troverete il link su lavori somiglianti, quali contengono i suggerimenti (bigliettini), e risposte pronti ai test per preparazione degli esami su tema "Support Vector Machines e apprendimento statistico per l’analisi non parametrica della regressione:" in università. Gli alunni troveranno i compiti pronti su questo tema. Tra i lavori ci sono relazioni, i riassunti, i rapporti sul tema "Support Vector Machines e apprendimento statistico per l’analisi non parametrica della regressione:". Lavori di corso e tesi di laurea per gli studenti posso richiedere con l’aiuto di questo modulo. Per post-laureati ci sono diversi pubblicazioni e pronti le tesi di dottorato.
Voi potete richiedere il lavoro e noi troveremo essa in 24 ore. Potete anche discutere e aggiungere ai lavori esistenti i propri materiali e le lezioni. Sostieni l’esame o la prova al voto più alto e condividi con noi e con altri i materiali di riferimento.

Facolta: Economia
Corso: Economia e Commercio
Anteprima dell’appunto:

L’obiettivo della tesi ha riguardato lo studio di una nuova impostazione teorica riguardo al problema dell’apprendimento, nota come Teoria dell’Apprendimento Statistico e proposta originariamente da Vladimir Vapnik, ed i modelli Support Vector Machines (SVM) sviluppati in tale contesto, analizzando i fondamenti teorici e valutando successivamente l’applicabilit e l’efficacia nella pratica degli strumenti proposti.
La prima parte della tesi prevalentemente teorica ed illustra i fondamenti della teoria dell’apprendimento statistico e lo studio della consistenza del principio della minimizzazione del rischio empirico. Questo studio ci ha permesso di derivare una teoria non asintotica dell’apprendimento.
La seconda parte prevalentemente applicativa ed illustra i modelli SVM regressivi ed il problema di ottimo a cui essi riconducono. Viene introdotto l’algoritmo SMO che permette di risolvere il problema di ottimo. Sono quindi proposte alcune tecniche per la selezione dell’architettura delle SVM. Viene quindi documentato MOSES (Model Selection for Support Vector Machines), il software libero da noi sviluppato per le selezione e la stima di SVM regressive. Si illustra infine un’applicazione dei modelli SVM alla finanza, riguardante la previsione giornaliera dei prezzi future del rame. I risultati ottenuti sono confrontati con quelli prodotti da reti neurali artificiali.


Scarica il file


Appunti, tesine e tesi simili:
Parafrasi di support vector machines e apprendimento statistico per l’analisi non parametrica della regressione: | Tesine di support vector machines e apprendimento statistico per l’analisi non parametrica della regressione: (traduzione in italiano) | Riassunti di support vector machines e apprendimento statistico per l’analisi non parametrica della regressione: gratis | Temi svolti su support vector machines e apprendimento statistico per l’analisi non parametrica della regressione: | Saggi brevi di support vector machines e apprendimento statistico per l’analisi non parametrica della regressione:

Scaricato 39 volte.

Fai la richiesta