Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Актуальные проблемы авиации и космонавтики; Красноярск; Красноярск
Год издания: 2023
Ключевые слова: метод опорных векторов, ядерные функции, машинное обучение, нелинейный SVM, support vector machine, nuclear functions, machine learning, nonlinear SVM
Аннотация: Метод опорных векторов - это мощный метод машинного обучения, который нашел широкое применение в области классификации. Современные задачи классификации требуют эффективных методов для обработки сложных зависимостей между данными. Основная идея SVM заключается в нахождении оптимальной разделяющей гиперплоскости в многомерном прострПоказать полностьюанстве, которая максимально разделяет классы данных. В этом контексте система опорных векторов является одним из наиболее популярных и мощных алгоритмов. Одной из ключевых особенностей SVM является его способность решать не только линейно разделимые задачи классификации, но и задачи с нелинейными зависимостями между классами. Это достигается с помощью использования ядерных функций. The support vector machine is a powerful machine learning method that has found wide application in the field of classification. Modern classification problems require effective methods for processing complex dependencies between data. The main idea of SVM is to find the optimal separating hyperplane in a multidimensional space that separates data classes as much as possible. In this context, the support vector system is one of the most popular and powerful algorithms. One of the key features of SVM is its ability to solve not only linearly separable classification problems, but also problems with nonlinear dependencies between classes. This is achieved by using nuclear functions.
Журнал: Актуальные проблемы авиации и космонавтики
Номера страниц: 120-122
Место издания: Красноярск