Filled in the help files with short descriptions for each algorithm. Fixed an #includ...
[mldemos:baraks-mldemos.git] / help / lwpr.html
1 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
2 <html><head>
4   <meta http-equiv="content-type" content="text/html; charset=ISO-8859-1">
6   <title></title>
7 </head><body>
8 <h2>Locally Weighed Projection Regression</h2>
9 <br>
10 Locally Weighted Projection Regression (LWPR) is a recent algorithm
11 that achieves nonlinear function approximation in high dimensional
12 spaces with redundant and irrelevant input dimensions. At its core, it
13 uses locally linear models, spanned by a small number of univariate
14 regressions in selected directions in input space. A locally weighted
15 variant of Partial Least Squares (PLS) is employed for doing the
16 dimensionality reduction.<br>
17 More information on the <a href="">library page</a>.<br>
18 <br>
19 Parameters available here:<br>
20 <ul>
21   <li>Generation Threshold: decides when to add an additional receptive field</li>
22   <li>Learning Rate: influences the adaptation rate for online learning</li>
23   <li>Receptive Field Width: initial width for receptive field generation</li>
24 </ul>
25 <br>
26 <br>
27 </body></html>