ماشین یادگیرنده بردار پشتیبان (SVM)


ماشین یادگیرنده بردار پشتیبان (Support Vector Machine: SVM) ماشینی با تئوری بسیار زیبا و بهینه است که به طور ویژه برای حل مسائل طبقه بندی الگو اعم از تفکیک پذیر خطی یا تفکیک ناپذیر خطی ابداع شده است. در بسیاری از مسائل کاربردی مشاهده شده که کارآیی SVM در حل مسائل طبقه بندی (دسته بندی) به طور محسوسی بالاتر از شبکه های عصبی چند لایه (MLP) است.
در درس اول این دوره برخی مفاهیم پایه ای نظیر بردار ویژگی و کاهش بعد با ذکر مثالهای کاربردی مرور شده است. در درسهای بعدی فرمول بندی ریاضی طراحی ماشین یادگیرندۀ پشتیبان به طور دقیق و گام به گام با ذکر تمام جزئیات توضیح داده شده است. همچنین نحوۀ حل مسائل عددی با ذکر مثالهایی در نرم افزار متلب آموزش داده شده است.
پیش نمایش درس اول:
پیش نمایش درس دوم:
پیش نمایش درس سوم:
پیش نمایش درس چهارم:
پیش نمایش درس پنجم:
ویژگی های دوره
- عناوین 5
- امتحانات 0
- مدت 4 ساعت و 23 دقیقه
- سطح مهارت تحصیلات تکمیلی
- زبان فارسی
- دانشجویان 68
- گواهی نه
- ارزیابی ها بله
-
دروس
- ماشین یادگیرنده بردار پشتیبان: مفهوم بردار ویژگی و کاهش بعد
- ماشین یادگیرنده بردار پشتیبان: فرمول بندی مساله بهینه سازی تحت قید
- ماشین یادگیرنده بردار پشتیبان: فرمول بندی و حل مساله بهینه سازی دوگان و محاسبه ابرصفحه بهینه
- ماشین یادگیرنده بردار پشتیبان: مثالهای عددی در حالت تفکیک پذیر خطی
- ماشین یادگیرنده بردار پشتیبان: حالت تفکیک ناپذیر خطی
1 دیدگاه
این موضوع یکی از موضوعات
موردعلاقه منه
tehlux