توضیحات
ترجمه آماده – گامی بسوی پیشرفت با استفاده از ماشین های بردار پشتیبان
Going a Step beyond Using Support Vector Machines
گامی بسوی پیشرفت با استفاده از ماشین های بردار پشتیبان
Sometimes ideas sprout from serendipity, and sometimes from the urgent necessity to solve relevant problems. Knowing the next big thing in machine learning isn’t possible yet because the technology continues to evolve. However, you can discover the tools available that will help machine learning capabilities grow, allowing you to solve more problems and feed new intelligent applications. Support vector machines (SVMs) were the next big thing two decades ago, and when they appeared, they initially left many scholars wondering whether they’d really work. Many questioned whether the kind of representation SVMs were capable of could perform useful tasks. The representation is the capability of machine learning to approximate certain kinds of target functions expected at the foundations of a data problem. Having a good representation of a problem implies being able to produce reliable predictions on any new data. SVMs not only demonstrate an incredible capability of representation but also a useful one, allowing the algorithm to find its niche applications in the large (and growing) world of machine learning applications. You use SVMs to drive the algorithm, not the other way around. This chapter helps you discover this fact mathematically by using a mind-blowing algorithm that, through complex calculations, can solve important problems in image recognition, medical diagnosis, and textual classification.
گاهی ایده ها از یک اتفاق بوجود می آیند و گاهی بواسطه نیاز مبرمی که به حل مشکلات وجود دارد ایده ها سر در می آورند. داشتن اطلاعات دقیق نسبت به NBT (ابزار بزرگ جنبی) در یادگیری ماشین امکان پذیر نیست بخاطراینکه فناوری دائما در حال پیشرفت است. هرچند، شما میتوانید از ابزاری که به رشد قابلیت های یادگیری ماشین کمک می کنند استفاده کنید تا بتوانید مشکلات بیشتری را حل و فصل کنید و از برنامه های هوشمند جدید بهره بگیرید. ماشین های بردار پشتیبان (SMS) در دو دهه گذشته نوعی NBT بودند و زمانی که پای کار آمدند، ابتدا نگرانی هایی را با خود آوردند مبنی بر اینکه آیا واقعا بدرد بخور هستند یا نه. بسیاری این سوال را مطرح کردند که آیا انواع SMS های نمایش، قادر به انجام وظایف و کارهای مفید هستند یا نه. نمایش یا بازنمایی، قابلیت یادگیری ماشین در برآورد انواع معین توابع هدف مد نظر در مبنای مسئله داده می باشد. نمایش خوب مسئله، دلالت ضمنی بر توانایی تولید پیش بینی های معتبر در هر داده جدید می باشد. SVM نه تنها دارای توانایی باورنکردنی بازنمایی است، بلکه هم چنین یک ابزار مفیدی است که از الگوریتم برای پیدا کردن برنامه های آشیانی در دنیای رو به پیشرفت کاربردهای یادگیری ماشین استفاده می کند. از SVM برای مشتق الگوریتم استفاده می کنید، نه برعکس. این فصل به شما کمک خواهد کرد تا از طریق ریاضی با استفاده از الگوریتم مایند-بلویینگ (ذهن شگفت انگیز) این مسئله را بخوبی درک کنید و از طریق محاسبات پیچیده بتوانید مسائل مهم را با تشخیص تصویری، تشخیص پزشکی و طبقه بندی متنی حل کنید.
دوست عزیزم چنانچه برای دانلود ترجمه آماده – گامی بسوی پیشرفت با استفاده از ماشین های بردار پشتیبان با مشکلی مواجه شدید با شماره ۰۹۳۵۷۲۵۸۴۲۵ یا ایمیل info@pajuha.ir ارتباط برقرار کنید.
ترجمه آماده -Classic Sinus Surgery
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.