1- Large Margin Classifiers

Etkinlik Türü: Eğitim Semineri

Eğitim Seminerinin Adı: Large Margin Classifiers

Eğitim Seminerini Düzenleyenler:
Hakan Çevikalp, Eskişehir Osmangazi Üniversitesi, hakan.cevikalp{^a_*}gmail.com, http://mlcv.ogu.edu.tr/

Eğitim Seminerinin İçeriği:
Sınıflar arasındaki boşluğu maksimize etme temeline dayalı "large margin” sınıflandırıcıları bugünlerde bilgisayarlı görü, teks analizi, biometri gibi bir çok alanda başarı ile kullanılmaktadır. Bu eğitimde bu sınıflandırıcılar hakkında genel bilgiler verilecek ve son dönemdeki gelişmelerden bahsedilecektir. Ayrıca araştırmacılar için  muhtemel yeni çalışma alanaları hakkında bilgiler verielecktir. İlk olarak large margin sınıflandırıcıları arasında en popüler olan Destek Vektör makinelerinden başlanarak bu sınıflandırıcının geometrik temelleri ve sınıflandırıcı için kullanılan temel algoritmalar anlatılacaktır. Daha sonra bu sınıflandırıcının farklı türevleri hakkında bilgiler verildikten sonra sınıfları betimlemek için Destek Vektör makinelerinden farklı modeller kullanan "large margin” sınıflandırıcılarından bahsedilecektir. Bu sınıflandırıcılar arasında kapsamlı bir karşılaştırma yapılarak hangi sınıflandırıcın hangi tip durumlarda kullanılması gerektiği üzerinde durulacaktır. Bu temel yaklaşımların ardından son yıllarda popüler hale gelen ve sınıflandırma için verileri en iyi yakınsayan hiper-düzlemleri bulan margin tabanlı sınıflandırıcılar hakkında bilgiler verilecektir. Son bölümde ise hem etiketli verileri hem de etiketsiz verileri kullanan yarı-eğitmenli margin sınıflandırıclar anlatılarak seminer sonlandırılacaktır.

Eğitim Seminerinde anlatılacak konuların güncelliği ve yenilikçi yanları:
Bu seminerde son zamanlarda popüler hale gelen ve bir çok araştırma ve uygulama alanı olan sınıflandırma için verileri en iyi yakınsayan hiper-düzlemleri bulan margin tabanlı sınıflandırıcılar hakkında bilgiler verilecektir. Ayrıca Doç. Dr. Hakan Çevikalp tarafından geliştirilen ve hiperdüzlemler yerine konveks karar sınırları döndürebilen yeni margin tabanlı sınıflandırıcılar hakkında bilgiler verilecektir.

Düzenleyicinin Özgeçmişi:
Doç. Dr. Hakan Çevikalp Eskişehir Osmangazi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümünde öğretim üyesi olarak çalışmaktadır. Hakan Çevikalp doktora programını Vanderbilt Üniversitesinde örüntü tanıma alanında 2005 yılında tamamladıktan sonra Fransa'da INRIA kurumuna bağlı LEAR grubunda bir sene boyunca bilgisayarlı görü alanında doktora sonrası araştırmacı olarak çalışmıştır. Daha sonra Amerika Birleşik Devletlerinde Rowan Üniversitesinde çoğul sınıflandırıcılar konusunda doktora sonrası araştırmacı olarak çalışmalar yaptıktan sonra yurda dönerek Eskişehir Osmangazi Üniversitesinde öğretim üyesi olarak çalışmaya başlamıştır. Çalıştığı konular genellikle makine ile öğrenme be bilgisayarlı görü alandıdaki konulardır. Bu alanlarda IEEE Transactions on PAMI, IEEE Transactions on Neural Networks and Learning Systems, International Journal of Computer Vision gibi prestijli dergilerin yanında IEEE Conference on Computer Vision and Pattern Recognition and International Conference on Machine Learning gibi prestijli konferanslarda yayınlar yapmıştır.

Large-margin classifiers that try to attempt to maximize the margin between positive and negative classes have been successfully used in various fields including computer vision, text analysis, biometry, etc. This seminar focuses on large-margin classifiers and their recent variations.  In this seminar, we will also provide information for new applications of these methods for younger researchers. Lecture will begin with the most popular large-margin classifier, Support Vector Machines, and its geometric intuition. Then, different variants of these methods will be mentioned briefly. This will be followed by the explanation of more recent large margin classifiers that use different models for classification. These classifiers will be compared thoroughly and suitability of the classifiers for different classification tasks will be discussed. The second part of the presentation will focus on classifiers that use best fitting hyperplanes for classification.  Finally, the transductive large-margin classifiers that use both labeled and unlabeled data will be explained at the end.

In this seminar, the classifiers that use best fitting hyperplanes for classification will be explained. These classifiers have been recently proposed and it has found many application areas in diverse areas. In addition, the seminar will focus on recently proposed extended polyhedral conic classifiers that can return polyhedral acceptance regions as opposed to the linear hyperplane separation.

Hakan Cevikalp is currently working as an associate professor at Eskişehir Osmangazi University. He received his Ph. D. degree from Electrical Engineering and Computer Science department of Vanderbilt University in 2005. He worked as post-doctoral researcher at LEAR team of INRIA Rhone Alpes in France in 2007 and Rowan University in USA in 2008. His research interests include computer vision and machine learning.  He has published papers on these topics in major journals and conferences including IEEE Transactions on PAMI, IEEE Transactions on Neural Networks and Learning Systems, International Journal of Computer Vision, EEE Conference on Computer Vision and Pattern Recognition and International Conference on Machine Learning.