サポートベクターマシン入門栗田多喜夫 Takio Kurita 産業技術総合研究所脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 平成

暮らしカテゴリーの変更を依頼記事元:

www.neurosci.aist.go.jp/~kurita

6 usersがブックマークコメント

記事へのコメント0件

注目コメント
新着コメント

新着コメントはまだありません。
このエントリーにコメントしてみましょう。

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

リンクを埋め込む

以下のコードをコピーしてサイトに埋め込むことができます

<iframe marginwidth="0" marginheight="0" src="https://b.hatena.ne.jp/entry.parts?url=http%3A%2F%2Fwww.neurosci.aist.go.jp%2F~kurita%2Flecture%2Fsvm.pdf" scrolling="no" frameborder="0" height="230" width="500"><div class="hatena-bookmark-detail-info"><a href="http://www.neurosci.aist.go.jp/~kurita/lecture/svm.pdf">サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 平成</a><a href="https://b.hatena.ne.jp/entry/www.neurosci.aist.go.jp/~kurita/lecture/svm.pdf">はてなブックマーク - サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 平成</a></div></iframe>

プレビュー

規約違反を報告

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

サポートベクターマシン入門栗田多喜夫 Takio Kurita 産業技術総合研究所脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 平成

サポートベクターマシン入門栗田多喜夫 Takio Kurita 産業技術総合研究所脳神経情報研究部門 Neurosc... サポートベクターマシン入門栗田多喜夫 Takio Kurita 産業技術総合研究所脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Techno logy takio-kurita@aist.go.jp 平成 14 年 7 月 18 日概要最近、サポートベクターマシン (Support Vector Machine, SVM) と呼ばれるパターン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリックにより非線形の識別関数を構成できるように拡張したサポートベクターマシンは、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一つである。サポートベクターマシンが優れた認識性能を発揮できるのは、未学習