1 resultado para clustering and QoS-aware routing
em Massachusetts Institute of Technology
Filtro por publicador
- KUPS-Datenbank - Universität zu Köln - Kölner UniversitätsPublikationsServer (1)
- Repository Napier (2)
- Aberdeen University (1)
- Academic Archive On-line (Karlstad University; Sweden) (1)
- Academic Research Repository at Institute of Developing Economies (1)
- Acceda, el repositorio institucional de la Universidad de Las Palmas de Gran Canaria. España (2)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (21)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (7)
- ArchiMeD - Elektronische Publikationen der Universität Mainz - Alemanha (2)
- Archive of European Integration (1)
- Archivo Digital para la Docencia y la Investigación - Repositorio Institucional de la Universidad del País Vasco (1)
- Aston University Research Archive (38)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (10)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (54)
- Bioline International (1)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (46)
- Brock University, Canada (4)
- Bulgarian Digital Mathematics Library at IMI-BAS (11)
- CentAUR: Central Archive University of Reading - UK (47)
- Cochin University of Science & Technology (CUSAT), India (6)
- Comissão Econômica para a América Latina e o Caribe (CEPAL) (2)
- Consorci de Serveis Universitaris de Catalunya (CSUC), Spain (34)
- Corvinus Research Archive - The institutional repository for the Corvinus University of Budapest (1)
- CUNY Academic Works (1)
- Dalarna University College Electronic Archive (7)
- Department of Computer Science E-Repository - King's College London, Strand, London (3)
- Digital Commons - Michigan Tech (3)
- Digital Commons at Florida International University (25)
- Digital Peer Publishing (2)
- DigitalCommons@The Texas Medical Center (1)
- DigitalCommons@University of Nebraska - Lincoln (3)
- Doria (National Library of Finland DSpace Services) - National Library of Finland, Finland (20)
- DRUM (Digital Repository at the University of Maryland) (2)
- Duke University (1)
- Fachlicher Dokumentenserver Paedagogik/Erziehungswissenschaften (1)
- FUNDAJ - Fundação Joaquim Nabuco (4)
- Glasgow Theses Service (3)
- Illinois Digital Environment for Access to Learning and Scholarship Repository (3)
- Instituto Nacional de Saúde de Portugal (1)
- Instituto Politécnico de Bragança (1)
- Instituto Politécnico do Porto, Portugal (91)
- Iowa Publications Online (IPO) - State Library, State of Iowa (Iowa), United States (2)
- Lume - Repositório Digital da Universidade Federal do Rio Grande do Sul (1)
- Martin Luther Universitat Halle Wittenberg, Germany (3)
- Massachusetts Institute of Technology (1)
- Memoria Académica - FaHCE, UNLP - Argentina (5)
- Memorial University Research Repository (1)
- National Center for Biotechnology Information - NCBI (8)
- Nottingham eTheses (7)
- Open University Netherlands (1)
- Portal de Revistas Científicas Complutenses - Espanha (1)
- Portal do Conhecimento - Ministerio do Ensino Superior Ciencia e Inovacao, Cape Verde (1)
- Publishing Network for Geoscientific & Environmental Data (3)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (7)
- RCAAP - Repositório Científico de Acesso Aberto de Portugal (1)
- ReCiL - Repositório Científico Lusófona - Grupo Lusófona, Portugal (2)
- Repositório Aberto da Universidade Aberta de Portugal (2)
- Repositório Alice (Acesso Livre à Informação Científica da Embrapa / Repository Open Access to Scientific Information from Embrapa) (1)
- Repositório Científico do Instituto Politécnico de Lisboa - Portugal (27)
- Repositório da Produção Científica e Intelectual da Unicamp (5)
- Repositório da Universidade Federal do Espírito Santo (UFES), Brazil (1)
- Repositorio de la Universidad de Cuenca (1)
- Repositório digital da Fundação Getúlio Vargas - FGV (4)
- Repositório Digital da UNIVERSIDADE DA MADEIRA - Portugal (3)
- Repositório Institucional da Universidade de Aveiro - Portugal (3)
- Repositório Institucional da Universidade de Brasília (2)
- Repositório Institucional da Universidade Estadual de São Paulo - UNESP (1)
- Repositório Institucional da Universidade Federal do Rio Grande do Norte (1)
- Repositorio Institucional de la Universidad de La Laguna (1)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (39)
- Research Open Access Repository of the University of East London. (1)
- RUN (Repositório da Universidade Nova de Lisboa) - FCT (Faculdade de Cienecias e Technologia), Universidade Nova de Lisboa (UNL), Portugal (19)
- Scielo Saúde Pública - SP (22)
- Scielo Uruguai (1)
- Universidad de Alicante (5)
- Universidad del Rosario, Colombia (4)
- Universidad Politécnica de Madrid (45)
- Universidade Complutense de Madrid (3)
- Universidade do Minho (5)
- Universidade dos Açores - Portugal (4)
- Universidade Federal de Uberlândia (3)
- Universidade Federal do Pará (5)
- Universidade Federal do Rio Grande do Norte (UFRN) (11)
- Universidade Técnica de Lisboa (2)
- Universitat de Girona, Spain (13)
- Universitätsbibliothek Kassel, Universität Kassel, Germany (4)
- Université de Lausanne, Switzerland (35)
- Université de Montréal (1)
- Université de Montréal, Canada (10)
- University of Canberra Research Repository - Australia (1)
- University of Michigan (7)
- University of Queensland eSpace - Australia (51)
- University of Washington (2)
- WestminsterResearch - UK (1)
- Worcester Research and Publications - Worcester Research and Publications - UK (1)
Resumo:
The Support Vector (SV) machine is a novel type of learning machine, based on statistical learning theory, which contains polynomial classifiers, neural networks, and radial basis function (RBF) networks as special cases. In the RBF case, the SV algorithm automatically determines centers, weights and threshold such as to minimize an upper bound on the expected test error. The present study is devoted to an experimental comparison of these machines with a classical approach, where the centers are determined by $k$--means clustering and the weights are found using error backpropagation. We consider three machines, namely a classical RBF machine, an SV machine with Gaussian kernel, and a hybrid system with the centers determined by the SV method and the weights trained by error backpropagation. Our results show that on the US postal service database of handwritten digits, the SV machine achieves the highest test accuracy, followed by the hybrid approach. The SV approach is thus not only theoretically well--founded, but also superior in a practical application.