Участник:Tatarchuk
Материал из MachineLearning.
(Различия между версиями)
												
			
			 (→Cтатьи проекта)  | 
				 (→Участие в проекте)  | 
			||
| Строка 11: | Строка 11: | ||
* [[MachineLearning:Инструктаж]]   | * [[MachineLearning:Инструктаж]]   | ||
* [[MachineLearning:ЧаВО]]  | * [[MachineLearning:ЧаВО]]  | ||
| - | |||
* [[MachineLearning:Вниманию участников]]   | * [[MachineLearning:Вниманию участников]]   | ||
* [[MachineLearning:Справка]]  | * [[MachineLearning:Справка]]  | ||
* [[MachineLearning:Публикации и библиографии]]  | * [[MachineLearning:Публикации и библиографии]]  | ||
* [[MediaWiki:Edittools]]  | * [[MediaWiki:Edittools]]  | ||
| + | * [[MachineLearning:Портал сообщества]]  | ||
== Полезная информация ==  | == Полезная информация ==  | ||
Версия 08:56, 16 мая 2008
Татарчук Александр Игоревич
Содержание | 
Участие в проекте
Недописанные статьи
Как писать 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.

