
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/">
  <dc:title xml:lang="eng">Functional norm regularization for margin-based ranking on temporal data : doctoral dissertation</dc:title>
  <dc:creator>Stojković, Ivan, 1987-</dc:creator>
  <dc:description xml:lang="eng">Quantifying the properties of interest is an important problem in
many domains, e.g., assessing the condition of a patient, estimating the risk of an
investment or relevance of the search result. However, the properties of interest are
often latent and hard to assess directly, making it dicult to obtain classication
or regression labels, which are needed to learn a predictive models from observable
features. In such cases, it is typically much easier to obtain relative comparison of
two instances, i.e. to assess which one is more intense (with respect to the property
of interest). One framework able to learn from such kind of supervised information
is ranking SVM, and it will make a basis of our approach...</dc:description>
  <dc:description xml:lang="srp">Kvantikovanje osobina (karakteristika) od interesa je vazan problem
u mnogim domenima, npr. utvrdivanje tezine bolesti kod pacijenata, ocena rizika
investicije ili relevantnost vracenih rezultata pretrage. Medutim, osobine od interesa
su cesto latentne i tesko se mogu izmeriti direktno, sto otezava dobijanje klasikacionih
oznaka (labela) ili ciljeva za regresiju, koji su potrebni za ucenje prediktivnih
modela iz merljivih karakteristika. U takvim slucajevima obicno je mnogo lakse
pribaviti relativno poredenje dva slucaja, tj. proceniti koji od dva je intenzivniji (iz
ugla karakteristike od interesa). Jedna klasa algoritama koji mogu uciti iz ovakvih
informacija je SVM za rangiranje i on ce biti osnova ovde predlozenog pristupa...</dc:description>
  <dc:description xml:lang="eng">Electrical Engineering and Computer Sciences - Data analysis and machine learning / Elektrotehnika i Racunarske nauke - Analiza podataka i masinsko ucenje 
 Datum odbrane: 11.05.2018. </dc:description>
  <dc:format>XIX, 74 listova</dc:format>
  <dc:format>2463437 bytes</dc:format>
  <dc:identifier>https://phaidrabg.bg.ac.rs/o:19210</dc:identifier>
  <dc:identifier>cobiss:50913039</dc:identifier>
  <dc:identifier>thesis:6477</dc:identifier>
  <dc:language>eng</dc:language>
  <dc:subject xml:lang="srp">OSNO - Opšta sistematizacija naučnih oblasti, Podaci. Sistemi za upravljanje bazama podataka</dc:subject>
  <dc:subject xml:lang="eng">OSNO - Opšta sistematizacija naučnih oblasti, Podaci. Sistemi za upravljanje bazama podataka</dc:subject>
  <dc:subject xml:lang="eng">OSNO - Opšta sistematizacija naučnih oblasti, Veštačka inteligencija. Robotika</dc:subject>
  <dc:subject xml:lang="srp">OSNO - Opšta sistematizacija naučnih oblasti, Veštačka inteligencija. Robotika</dc:subject>
  <dc:subject xml:lang="eng">SVM ranking, scoring function learning, functional normregularization, proximal algorithms for optimization, temporal data</dc:subject>
  <dc:subject xml:lang="srp">SVM rangiranje, ucenje funkcija za bodovanje, funkcionalnaregularizacija normama, proksimalni algoritmi za optimizaciju, temporalni podaci</dc:subject>
  <dc:date>2018</dc:date>
  <dc:rights>http://creativecommons.org/licenses/by-nc-sa/2.0/at/legalcode</dc:rights>
  <dc:contributor>Obradović, Zoran</dc:contributor>
  <dc:contributor>Kovačević, Branko, 1951-</dc:contributor>
  <dc:contributor>Vučetić, Slobodan</dc:contributor>
  <dc:contributor>Đurović, Željko, 1964-</dc:contributor>
  <dc:contributor>Zhang, Kai</dc:contributor>
  <dc:type>info:eu-repo/semantics/bachelorThesis</dc:type>
</oai_dc:dc>
