Mainzer KI-Kreis

Kernel methods and applications

Prof Dr. Bernhard Schölkopf

Max-Planck-Institut für biologische Kybernetik, Tübingen

Institut für Informatik, Staudingerweg 9, 5. Stock, Raum 05-432

Abstract:

In the 90s, a new type of learning algorithm was developed, based on results from statistical learning theory: the Support Vector Machine (SVM). This gave rise to the development of a new class of theoretically elegant learning machines which use a central concept of SVMs – kernels – for a number of different learning tasks.

Kernel machines now provide a modular and simple to use framework that can be adapted to different tasks and domains by the choice of the kernel function and the base algorithm, and they have been shown to perform very well in a wide range of problems.

The talk will describe the basic ideas as well as some applications from computer vision and computer graphics.

Zum Inhalt:

In den 1990er Jahren wurde, basierend auf Resultaten der statistischen Lerntheorie, ein neuer Typus von Lernalgorithmen entwickelt: die Support-Vektor-Maschinen (SVM).
Damit begann die Entwicklung einer neuen Klasse theoretisch ansprechender Methoden maschinellen Lernens, die alle ein zentrales Konzept der SVM – die Nutzung von Kernen teilen, für eine Vielzahl von Lernproblemen.

Kern-basierte Methoden stellen einen modularen und einfach zu benutzenden Rahmen dar, der durch Auswahl einer passenden Kern-Funktion und eines Basis-Algorithmus an verschiedenste Aufgaben und Anwendungsgebiete angepasst werden kann, und bereits bei einer großen Zahl von Problemen erfolgreich eingesetzt wurde.

Der Vortrag wird sowohl die grundlegenden Ideen darstellen, als auch einige Anwendungen aus den Bereichen Computer-Vision und  Computergrafik vorstellen.

Interessierte sind herzlich eingeladen!