2004.bib

@comment{{This file has been generated by bib2bib 1.98}}

@comment{{Command line: bib2bib -ob ./bibs/2004.bib -c year=2004 mesPublis.bib}}

@inproceedings{Loosli04,
  title = {Une bo{\^\i}te {\`a} outils rapide et simple pour les SVM⋆},
  author = {Loosli, Ga{\"e}lle and Canu, St{\'e}phane and Vishwanathan, SVN and Smola, Alexander J and Chattopadhyay, Manojit},
  booktitle = {Conférence d'Apprentissage francophone 2004},
  year = {2004},
  abstract = {Si les SVM (Support Vector Machines, ou Séparateurs à Vaste Marge) sont  aujourd’hui  reconnus  comme  l’une  des  meilleures  méthodes  d’apprentissage, ils restent considérés comme lents. Nous proposons ici une boîte à outils Matlab permettant d’utiliser simplement et rapidement les SVM grâce à une méthode de gradient projeté particulièrement bien adaptée au problème : SimpleSVM (Vishwanathanet  al.,  2003).  Nous  avons  choisi  de  coder  cet  algorithme  dans l’environnement Matlab afin de profiter de sa convivialité tout en s’assurant unebonne  efficacité.  La  comparaison  de  notre  solution  avec l’état  de  l’art  dans  le domaine SMO (Sequential Minimal Optimization), montre qu’il s’agit là d’une solution dans certains cas plus rapide et d’une complexité moindre. Pour illustrerla simplicité et la rapidité de notre méthode, nous montrons enfin que sur la basede données MNIST, il a été possible d’obtenir des résultats satisfaisants en un temps relativement court (une heure et demi de calcul sur un PC sous linux pour construire 45 classifieurs binaires sur 60.000 exemples en dimension 576).}
}