Участник:Tatarchuk
Материал из MachineLearning.
(Различия между версиями)
(→Конференции) |
|||
| Строка 47: | Строка 47: | ||
*[http://www.iasted.org/conferences/home-623.html Signal and Image Processing SIP-2008] | *[http://www.iasted.org/conferences/home-623.html Signal and Image Processing SIP-2008] | ||
| + | |||
| + | === Workshops === | ||
| + | *[http://ml.eecs.ucf.edu/ssspr/ Joint IAPR International Workshops on Structural and Syntactic Pattern Recognition (SSPR 2008)] | ||
== ПО == | == ПО == | ||
Версия 12:35, 20 мая 2008
Татарчук Александр Игоревич
Содержание |
Участие в проекте
Биографии
Распознавание
Конференции
Вспомогательные статьи
- MachineLearning:Справка
- MachineLearning:Инструктаж
- Википедия:Как править статьи
- Википедия:Оформление статей, правила русской типографики
- Википедия:Вставка специальных символов
- Википедия:Формулы
- Википедия:Как делать таблицы
- Википедия:Изображения
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)
Библиотеки
Российские конференции
- Математические Методы распознавания образов (ММРО)
- Интеллектуализация обработки информации 2006 (ИОИ 2008)
- Распознавание образов и анализ изображений (РОАИ)
Зарубежные конференции
Workshops
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.
