Участник:Tatarchuk

Материал из MachineLearning.

Версия 09:47, 16 мая 2008 (править) Tatarchuk (Обсуждение | вклад) (→Недописанные статьи) ← К предыдущему изменению		Версия 09:47, 16 мая 2008 (править) (отменить) Tatarchuk (Обсуждение | вклад) (→Недописанные статьи) К следующему изменению →
Строка 7:		Строка 7:
	*[[Машина опорных векторов]]		*[[Машина опорных векторов]]
-	'''Вспомогательные статьи'''	+	=== Вспомогательные статьи ===
	* [[MachineLearning:Справка]]		* [[MachineLearning:Справка]]

---

Версия 09:47, 16 мая 2008

Татарчук Александр Игоревич

Содержание 1 Участие в проекте 1.1 Недописанные статьи 1.2 Вспомогательные статьи 2 Полезная информация 2.1 ВАК 2.2 Российские конференции 2.3 Зарубежные конференции 3 ПО

Участие в проекте

Недописанные статьи

• Вапник Владимир Наумович

• Машина опорных векторов

Вспомогательные статьи

• MachineLearning:Справка

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

• International Conference of Machine Learning 2008 (ICML 2008)

• International Conference of Pattern Recognition 2008 (ICPR 2008)

• International Conference of Machine Learning and Cibernatics (ICMLC)

ПО

• Mosek Optimization SoftWare (Документация)

Солвер для решения общих задач линейного и квадратичного программирования. Доступна многократная полугодовая студенческая лицензия.

• SVMLight

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.

• LIBSVM и SVMLinear

Эффективные и простые в использовании реализации SVM на С++ со схожими интерфейсами. В SVMLinear реализована только линейная классификация. Работают с большими выборками.