A Note on the Generalization Performance of Kernel Classifiers with Margin

We present distribution independent bounds on the generalization misclassification performance of a family of kernel classifiers with margin. Support Vector Machine classifiers (SVM) stem out of this class of machines. The bounds are derived through computations of the $V_gamma$ dimension of a family of loss functions where the SVM one belongs to. Bounds that use functions of margin distributions (i.e. functions of the slack variables of SVM) are derived.

Face Detection in Still Gray Images

We present a trainable system for detecting frontal and near-frontal views of faces in still gray images using Support Vector Machines (SVMs). We first consider the problem of detecting the whole face pattern by a single SVM classifer. In this context we compare different types of image features, present and evaluate a new method for reducing the number of features and discuss practical issues concerning the parameterization of SVMs and the selection of training data. The second part of the paper describes a component-based method for face detection consisting of a two-level hierarchy of SVM classifers. On the first level, component classifers independently detect components of a face, such as the eyes, the nose, and the mouth. On the second level, a single classifer checks if the geometrical configuration of the detected components in the image matches a geometrical model of a face.

People Recognition in Image Sequences by Supervised Learning

We describe a system that learns from examples to recognize people in images taken indoors. Images of people are represented by color-based and shape-based features. Recognition is carried out through combinations of Support Vector Machine classifiers (SVMs). Different types of multiclass strategies based on SVMs are explored and compared to k-Nearest Neighbors classifiers (kNNs). The system works in real time and shows high performance rates for people recognition throughout one day.

Properties of Support Vector Machines

Support Vector Machines (SVMs) perform pattern recognition between two point classes by finding a decision surface determined by certain points of the training set, termed Support Vectors (SV). This surface, which in some feature space of possibly infinite dimension can be regarded as a hyperplane, is obtained from the solution of a problem of quadratic programming that depends on a regularization parameter. In this paper we study some mathematical properties of support vectors and show that the decision surface can be written as the sum of two orthogonal terms, the first depending only on the margin vectors (which are SVs lying on the margin), the second proportional to the regularization parameter. For almost all values of the parameter, this enables us to predict how the decision surface varies for small parameter changes. In the special but important case of feature space of finite dimension m, we also show that there are at most m+1 margin vectors and observe that m+1 SVs are usually sufficient to fully determine the decision surface. For relatively small m this latter result leads to a consistent reduction of the SV number.

From Regression to Classification in Support Vector Machines

We study the relation between support vector machines (SVMs) for regression (SVMR) and SVM for classification (SVMC). We show that for a given SVMC solution there exists a SVMR solution which is equivalent for a certain choice of the parameters. In particular our result is that for $epsilon$ sufficiently close to one, the optimal hyperplane and threshold for the SVMC problem with regularization parameter C_c are equal to (1-epsilon)^{- 1} times the optimal hyperplane and threshold for SVMR with regularization parameter C_r = (1-epsilon)C_c. A direct consequence of this result is that SVMC can be seen as a special case of SVMR.

On the Noise Model of Support Vector Machine Regression

Support Vector Machines Regression (SVMR) is a regression technique which has been recently introduced by V. Vapnik and his collaborators (Vapnik, 1995; Vapnik, Golowich and Smola, 1996). In SVMR the goodness of fit is measured not by the usual quadratic loss function (the mean square error), but by a different loss function called Vapnik"s $epsilon$- insensitive loss function, which is similar to the "robust" loss functions introduced by Huber (Huber, 1981). The quadratic loss function is well justified under the assumption of Gaussian additive noise. However, the noise model underlying the choice of Vapnik's loss function is less clear. In this paper the use of Vapnik's loss function is shown to be equivalent to a model of additive and Gaussian noise, where the variance and mean of the Gaussian are random variables. The probability distributions for the variance and mean will be stated explicitly. While this work is presented in the framework of SVMR, it can be extended to justify non-quadratic loss functions in any Maximum Likelihood or Maximum A Posteriori approach. It applies not only to Vapnik's loss function, but to a much broader class of loss functions.

A Unified Framework for Regularization Networks and Support Vector Machines

Regularization Networks and Support Vector Machines are techniques for solving certain problems of learning from examples -- in particular the regression problem of approximating a multivariate function from sparse data. We present both formulations in a unified framework, namely in the context of Vapnik's theory of statistical learning which provides a general foundation for the learning problem, combining functional analysis and statistics.

On the V(subscript gamma) Dimension for Regression in Reproducing Kernel Hilbert Spaces

This paper presents a computation of the $V_gamma$ dimension for regression in bounded subspaces of Reproducing Kernel Hilbert Spaces (RKHS) for the Support Vector Machine (SVM) regression $epsilon$-insensitive loss function, and general $L_p$ loss functions. Finiteness of the RV_gamma$ dimension is shown, which also proves uniform convergence in probability for regression machines in RKHS subspaces that use the $L_epsilon$ or general $L_p$ loss functions. This paper presenta a novel proof of this result also for the case that a bias is added to the functions in the RKHS.

A Note on Support Vector Machines Degeneracy

When training Support Vector Machines (SVMs) over non-separable data sets, one sets the threshold $b$ using any dual cost coefficient that is strictly between the bounds of $0$ and $C$. We show that there exist SVM training problems with dual optimal solutions with all coefficients at bounds, but that all such problems are degenerate in the sense that the "optimal separating hyperplane" is given by ${f w} = {f 0}$, and the resulting (degenerate) SVM will classify all future points identically (to the class that supplies more training data). We also derive necessary and sufficient conditions on the input data for this to occur. Finally, we show that an SVM training problem can always be made degenerate by the addition of a single data point belonging to a certain unboundedspolyhedron, which we characterize in terms of its extreme points and rays.

Un primer proyecto de Universidad en Asturias (1570-1572).

Hacer una valoración histórico pastoral de la presencia de la Compañía de Jesús en Asturias y de las primeras actividades que llevó a cabo en torno a la reciente Universidad de Oviedo. Labor educativa y pastoral que durante el periodo de 1570-1572 realizaron los Jesuitas en Oviedo y en el Principado de Asturias. 1) Proyecto de fundación del obispo Don Cristobal de Rojas y Sandoval. 2) Proyecto de Don Andrés de Prada, abad de Tuñón. 3) Proyecto universitario concertado entre los testamentarios del arzobispo Valdés Salas y la Compañía de Jesús. Archivos. Fuentes documentales manuscritas e inéditas. La primera de las actuaciones tendentes a conseguir la fundación de un colegio de la Compañia de Jesús en Oviedo fue obra del obispo Cristobal de Rojas y Sandoval en 1553, quien solicitó del fundador de la Compañía financiación para dicho proyecto. El obispo Don Juan de Ayora y Don Andrés Vazquez de Prada, abad de Tuñón, aunaron sus fuerzas, diez años más tarde, para completar la obra iniciada por Don Cristobal de Rojas. El tercer intento para traer establemente a los Jesuitas a Oviedo consistió en el proyecto de que la Compañía se hiciera cargo del Colegio San Gregorio que funcionaba con las reglas dictadas por su fundador, Don Fernando de Valdés, arzobispo de Sevilla, y al fracasar este proyecto, algunos años más tarde, se amplía el ofrecimiento por sus testamentarios para que los Jesuitas se encarguen de poner en funcionamiento la Universidad. El contrato para la puesta en marcha de la Universidad y el Colegio de Oviedo se hizo en el mes de mayo de 1571. A continuación, dos religiosos de la Compañía emprendieron una embajada misional por Oviedo, donde observaron una actitud de clara hostilidad hacia la Compañía por parte del obispo y el Cabildo de Oviedo, lo que propició la ruptura de las negociaciones en agosto de 1571. En diciembre de 1573 aún no se había llegado a un acuerdo firme. En diciembre de 1573, la Compañía de Jesús decidió no insistir más en el asunto de la Universidad de Oviedo, ejecutando así una filosofía que reflejaba la falta de interés personal o institucional en un asunto controvertido cuando la oposición venía de las instituciones representativas de una colectividad, por lo que renunciaron a exigir el cumplimiento de las escrituras públicas ya firmadas al respecto.

Historia del Instituto Marqués de Casariego, de Tapia de Casariego (1992).

Resaltar la imagen del Marqués de Casariego y su labor. Indagar los orígenes del Instituto Marqués de Casariego. La figura del Marqués de Casariego y la evolución del Instituto Marqués de Casariego, fundado por él. Se parte de los distintos servicios que prestó el edificio y las funciones que desempeñaron cada uno de ellos. Archivos. Fuentes inéditas. Testimonios orales. Es en torno a la década de 1860 cuando el Marqués de Casariego decide la construcción y concesión de un Instituto de Segunda Enseñanza que quedó inagurado el 17 de septiembre de 1867. La muerte del Marqués y la merma de réditos, llevaron al centro a una situación de verdadera crisis que produjo su supresión el 25 de octubre de 1901. Una vez cerrado, según constaba en la escritura de donación, el edificio y los bienes de la Fundación revertían sobre los herederos del Marqués; éstos volvieron a donarlo al Ayuntamiento, que lo transformó en un Colegio de Segunda Enseñanza adscrito al Instituto de Oviedo. En 1904 se hicieron cargo del edificio los Padres Agustinos, fundando el colegio Santa Isabel que se cerró en 1927. En 1929 se arrendó el edificio para que funcionase como preceptoría donde se impartían unas asignaturas de forma elemental para que los alumnos pudiesen luego iniciar sus estudios en el Seminario. Esta preceptoría sólo funcionó durante 2 cursos. Con la llegada de la Guerra Civil hizo las veces de Hospital Provincial para luego, durante la postguerra, acoger una colonia de niños. Durante cinco años, de 1940 a 1945, en el Instituto se estableció un seminario menor, dependiente de Oviedo. Cuando se suprimió el mismo, pasó a ser residencia de verano de la Caja de Jubilaciones y subsidios de la minería asturiana. Finalmente, volvió a ser centro dedicado a la educación de la juventud de la zona, primero como Instituto Laboral y por último como Instituto de Bachiller, que es a lo que está dedicado en la actualidad. La importancia del Instituto de Casariego es evidente, por lo temprano de su creación y por el tipo de enseñanza que impartía a finales del siglo pasado, siendo uno de los pocos centros que existía no sólo en esta región sino también en toda España.

Luis Huerta : maestro e higienista.

El objetivo general de la investigación es captar la trayectoria vital del maestro asturiano Luis Huerta Naves (1889-1975). Al mismo tiempo, se pretende dar algunas claves que permitan al lector conocer e interpretar los fenómenos sociales y educativos en los que estuvo inmerso y los cambios que se dieron en la sociedad española durante su existencia. Método de investigación descriptivo de tipo histórico y retrospectivo que trata de repasar cronológicamente la experiencia biográfica en el tiempo y en el espacio de Huerta. Las fuentes documentales de análisis son fruto de una búsqueda por varios archivos públicos y privados, regionales y nacionales, de la lectura de decenas de artículos suyos y, por supuesto, de sus obras, en las que aporta datos personales. Luis Huerta naves (1889-1975) fue fundador de la revista gijonesa Enseñanza Moderna (1912), director y colaborador asiduo de otras, autor de varios libros y artículos, alcalde de San Lorenzo del Escorial, iniciador de varios proyectos, exitosos unos y fracasados otros (el Instituto de Medicina Social, en Madrid, o un Instituto de Maternología y Puericultura en Gijón, por ejemplo). Sin embargo, fue olvidado y silenciado durante los años posteriores a la Guerra Civil española. Huerta fue uno de los cientos de maestros exiliados a Francia, a donde llego en 1938 con su esposa y un grupo de niños. En la medida en que su salud de lo permitió, colaboró con varios actos organizados por la colonia española , publico artículos en el Boletín de los Intelectuales Españoles, retornó su compromiso sindical y fue presidente de la Federación Española de Trabajadores de la Enseñanza en 1974. Allí permaneció hasta 1954, año en que regresa a España para recuperar su profesión. Con sesenta y nueve años se hizo cargo de la escuela de niños de Getáfe (Madrid). Solo pudo ejercer el magisterio un curso académico, el anterior a su jubilación, en 1959.

La extensión universitaria de Oviedo 1898 a 1910.

Estudiar el fenómeno de la extensión universitaria en Oviedo, a partir de su fundación, y realizar un seguimiento de su evolución a lo largo del período de estudio. La extensión universitaria en Oviedo. Dentro de esta investigación se han estudiado los siguientes temas: antecedentes e influencia de la extensión universitaria. Fundación de la misma. Los hombres de la extensión y sus ideas: la crisis y la búsqueda de soluciones, la regeneración por la educación, la educación del obrero, carácter pacificador de la educación. El carácter neutral de la extensión universitaria. Naturaleza de las enseñanzas que imparte. Actividades de la extensión: conferencias, estudios o cursos superiores, la Universidad Popular, etc.. Obras de carácter bibliográfico: anales de la Universidad de Oviedo en los que se incluyen las memorias de la extensión universitaria, expedientes de provisión de cátedra de los profesores de la Universidad, el Boletín de la ILE, la prensa de la época. Se utiliza el método histórico para trazar la trayectoria y el funcionamiento de la extensión universitaria, para lo cual se realiza un análisis de las fuentes mencionadas en el apartado anterior. Es fundamental la aportación del Krausismo, y más concretamente de la ILE a la obra realizada en Oviedo, aunque hay características que las diferencian: los hombres de la Institución habían roto con la enseñanza oficial, los de la extensión actúan siempre desde la Universidad el espíritu de renovación pedagógica, tomado de la ILE, en Oviedo se encauza hacia una reforma de la Universidad en cuanto a sus métodos, fines, creación de nuevas enseñanzas, reforma de las existentes, etc. La extensión de Oviedo dirige sus enseñanzas a un auditorio obrero y en su mayor parte adulto, cosa que no sucedía en la ILE, toda la obra llevada a cabo en Oviedo se basa en un fuerte idealismo que lleva a una concepción psicologista del hombre (no cultural). La concepción en que se basa la extensión parte de que el hombre puede encontrar la felicidad en sí mismo en su propio perfeccionamiento: lo cual se contrapone a la idea de lucha de clases ya que todo puede resolverse por vía pacífica por medio de la educación, la obra de la extensión se emprende para que todas las clases sociales tengan acceso a la cultura, pero en el fondo de estas actividades está el miedo a la violencia de las luchas sociales y a las masas proletarias que reclaman sus justos derechos.

Módulo específico de formación en género y discapacidad.

Resumen basado en la publicación

Cuentos para so??ar un mundo mejor y cuentos para todo el mundo : para compartir en igualdad. Para vivir la diversidad

Resumen basado en la publicaci??n