内核模式模板
templateKernel
创建一个适合拟合高斯核分类模型用于非线性分类的模板。
该模板指定了二元学习者模型、扩展空间的维数、核尺度、框约束和正则化强度等参数。在创建模板之后,通过将模板和数据传递给fitcecoc
.
templateKernel
使用带脊的有限记忆Broyden-Fletcher-Goldfarb-Shanno (LBFGS)求解器最小化正则化目标函数l2)正规化。要找出用于训练的LBFGS求解器的类型,输入FitInfo。解算器
在命令窗口。
“LBFGS-fast”
——LBFGS解算器。
“LBFGS-blockwise”
- LBFGS求解器与方块策略。如果templateKernel
需要比价值更多的内存BlockSize
为了保存转换后的预测器数据,它使用按块划分的策略。
“LBFGS-tall”
- LBFGS求解器与块的策略,高阵列。
当templateKernel
使用区块策略,templateKernel
通过在每次迭代时将损失和梯度的计算分布到数据的不同部分来实现LBFGS。同时,templateKernel
通过将模型局部拟合到部分数据中,并通过平均结合系数来改进线性系数和偏差项的初始估计。如果您指定“详细”,1
,然后templateKernel
显示每个数据通道的诊断信息,并将信息存储在历史
领域的FitInfo
.
当templateKernel
不使用区块策略,初始估计为零。如果您指定“详细”,1
,然后templateKernel
显示每个迭代的诊断信息,并将信息存储在历史
领域的FitInfo
.
[3] Huang, P. S., H. Avron, T. N. Sainath, V. Sindhwani,和B. Ramabhadran。核方法与TIMIT上的深度神经网络匹配。2014 IEEE声学、语音和信号处理国际会议.2014年,页205 - 209。