Участник:Tatarchuk
Материал из MachineLearning.
(Различия между версиями)
(→Участие в проекте) |
(→Участие в проекте) |
||
Строка 3: | Строка 3: | ||
== Участие в проекте == | == Участие в проекте == | ||
- | + | === Недописанные статьи === | |
*[[Вапник, Владимир Наумович|Вапник Владимир Наумович]] | *[[Вапник, Владимир Наумович|Вапник Владимир Наумович]] | ||
*[[Машина опорных векторов]] | *[[Машина опорных векторов]] | ||
- | ''' | + | '''Вспомогательные статьи''' |
* [[MachineLearning:Концепция ресурса]] | * [[MachineLearning:Концепция ресурса]] | ||
* [[MachineLearning:Инструктаж]] | * [[MachineLearning:Инструктаж]] |
Версия 09:01, 16 мая 2008
Татарчук Александр Игоревич
Содержание |
Участие в проекте
Недописанные статьи
Вспомогательные статьи
- MachineLearning:Концепция ресурса
- MachineLearning:Инструктаж
- MachineLearning:ЧаВО
- MachineLearning:Вниманию участников
- MachineLearning:Справка
- MachineLearning:Публикации и библиографии
- MediaWiki:Edittools
- MachineLearning:Портал сообщества
Полезная информация
ВАК
- Высшая аттестационная комиссия РФ (ВАК)
- Перечень ведущих российских рецензируемых научных журналов и изданий ВАК (редакция апрель 2008 года)
- О зарубежных научных журналах и изданиях, в которых могут быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук
- Web of Science: Science Citation Index Expanded (индекс цитируемости зарубежных журналов по естественным наукам, одобренный ВАК)
Российские конференции
- Математические Методы распознавания образов (ММРО)
- Интеллектуализация обработки информации 2006 (ИОИ 2008)
- Распознавание образов и анализ изображений (РОАИ)
Зарубежные конференции
ПО
Солвер для решения общих задач линейного и квадратичного программирования. Доступна многократная полугодовая студенческая лицензия.
Наиболее развитая и популярная реализация SVM на С++. Библиотека адаптирована для больших выборок и имеет эффективную реализацию скользящего контроля. Включены стандартные кернелы и допускается использование специальных.
Эффективные и простые в использовании реализации SVM на С++ со схожими интерфейсами. В SVMLinear реализована только линейная классификация. Работают с большими выборками.