o:19210 Functional norm regularization for margin-based ranking on temporal data doctoral dissertation Primena funkcionalnih normi za regularizaciju rangiranja nad temporalnim podacima : doktorske disertacije en 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... 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... Electrical Engineering and Computer Sciences - Data analysis and machine learning / Elektrotehnika i Racunarske nauke - Analiza podataka i masinsko ucenje Datum odbrane: 11.05.2018. SVM ranking, scoring function learning, functional normregularization, proximal algorithms for optimization, temporal data SVM rangiranje, ucenje funkcija za bodovanje, funkcionalnaregularizacija normama, proksimalni algoritmi za optimizaciju, temporalni podaci yes 50913039 91552101 6477 91552100 50913039 2019-01-15T11:12:19.053Z 45 no 46 mentor Ivan, 1987- Stojković 2018 63 mentor Zoran Obradović 2018 63 mentor Branko, 1951- Kovačević 2018 63 član komisije Slobodan Vučetić 2018 63 član komisije Željko, 1964- Đurović 2018 63 član komisije Kai Zhang 2018 XIX, 74 listova 2463437 http://phaidrabg.bg.ac.rs/o:19210 no yes 5 2019-01-15T11:12:19.320Z 70 11 1066648 1066654 1066664 11 1067197 1067243 1067275 SVM ranking, scoring function learning, functional normregularization, proximal algorithms for optimization, temporal data SVM rangiranje, ucenje funkcija za bodovanje, funkcionalnaregularizacija normama, proksimalni algoritmi za optimizaciju, temporalni podaci 1738 11A04 2018