О достижении компромисса между точностью и устойчивостью классификаторов в задаче выбора наилучшей ядровой функции при байесовском обучении

Рассматривается задача подбора ядровой функции в методе релевантных векторов (RVM). В части 1 данной работы был сформулирован принцип устойчивости и на его основе определен коэффициент ядровой пригодности $KV$, максимизация которого позволяет подбирать значение параметра ширины ядровой функции в RVM. Часть 2 данной работы описывает алгоритм обучения и содержит результаты экспериментов по применению предложенного подхода для модельных и реальных задач.