Tìm thấy 12+ kết quả cho từ khóa "Máy học véc tơ hỗ trợ SVM"
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
MÔ HÌNH MỜ TSK DỰ ĐOÁN GIÁ CỔ PHIẾU DỰA TRÊN MÁY HỌC VÉC-TƠ HỖ TRỢ HỒI QUY Nguyễn Đức Hiển 1 và Lê Mạnh Thạnh 2. Mô hình mờ, mô hình mờ TSK, máy học véc-tơ hỗ trợ, máy học véc-tơ hỗ trợ hồi qui, dự đoán giá cổ phiếu Keywords:. Bài báo này đề xuất một mô hình mờ TSK cho bài toán dự đoán giá cổ phiếu dựa trên mô hình máy học véc-tơ hỗ trợ hồi qui.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
NHẬN DẠNG TƯ THẾ NGƯỜI VỚI CAMERA KINECT VÀ MÁY HỌC VÉC-TƠ HỖ TRỢ. Posture recognition using camera Kinect and Support Vector Machine. Máy học vector hỗ trợ, nhận dạng tư thế, Kinect. Nhận dạng tư thế người là phân lớp một tư thế thu được từ camera vào một trong các tư thế đã được định nghĩa trước đó ví dụ như: đứng, ngồi, nằm. Người mô tả tư thế sẽ đứng trước camera và hệ thống sẽ nhận dạng tư thế đó là tư thế gì.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Khởi đầu, mỗi văn bản được mô hình hóa thành một vectơ cột trong không gian xác định bởi A mxn . 4.2 Máy học véctơ hỗ trợ. Máy học véctơ hỗ trợ (SVM) là một giải thuật máy học dựa trên lý thuyết học thống kê do Vapnik và Chervonenkis xây dựng [13].
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Xây dựng module phân loại (tự động) câu hỏi theo từng lĩnh vực bằng kỹ thuật phân loại máy học véc-tơ hỗ trợ (SVM). Xây dựng module gợi ý các câu hỏi liên quan (dùng tf-idf và độ tương đồng Cosine). Phân tích, thiết kế và xây dựng hệ thống (nền web) hoàn chỉnh để tích hợp các module trên..
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Phân loại văn bản với máy học véc-tơ hỗ trợ và cây quyết định. Xây dựng hệ thống phân loại tài liệu tiếng Việt
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Bên cạnh đó, chúng tôi cũng muốn tăng tốc quá trình xây dựng mô hình học của rMNB, rODS bằng việc xây dựng giải thuật song song.. Thời gian huấn luyện mô hình (giây). và Poulet F.: Phân loại văn bản với BPSVM. Trần, C.Đ và Phạm N.K.: Phân loại văn bản với máy học véc tơ hỗ trợ và cây quyết định
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Đã cĩ hai lớp giải thuật tiêu biểu là máy học véc tơ hỗ trợ của Vapnik (SVM [Vapnik, 1995]) và rừng ngẫu nhiên của [Breiman, 2001]. được biết đến như là những giải thuật phân lớp hiệu quả các tập dữ liệu cĩ số chiều lớn như dữ liệu gien.. Từ những năm 1990, cộng đồng máy học đã nghiên cứu cách để kết hợp nhiều mơ hình phân loại thành tập hợp các mơ hình phân loại để cho tính chính xác cao hơn so với chỉ một mơ hình phân loại.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Phần 2 sẽ trình bày tóm tắt về máy học SVM, giải thuật SGD sử dụng trong SVM và thay thế hàm hinge loss bằng các hàm xấp xỉ khả vi, cải tiến tốc độ hội tụ của giải thuật SGD. 2 GIẢI THUẬT GIẢM GRADIENT NGẪU NHIÊN CHO VẤN ĐỀ PHÂN LỚP CỦA MÁY HỌC VÉC-TƠ HỖ TRỢ. 2.1 Phân lớp với máy học véc-tơ hỗ trợ. Các phần tử lớp +1 nằm bên phải của siêu phẳng hỗ trợ cho lớp +1, các phần tử lớp -1 nằm phía bên trái của siêu phẳng hỗ trợ cho lớp -1.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Giải thuật máy học véc tơ. hỗ trợ SVM (Vapnik, 95) là mô hình hiệu quả và phổ biến cho vấn đề phân lớp những tập dữ liệu có số chiều lớn. Xuất phát từ cài đặt hiệu quả giải thuật SVM bằng phương pháp giảm gradient ngẫu nhiên SGD (Bottou &. Boussquet, 08), chúng tôi phát triển giải thuật MC-SGD cho phân lớp đa lớp tập dữ liệu có số chiều lớn này..
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Tiếp đến, nghiên cứu tập trung vào hướng tiếp cận dựa trên các mô hình máy học tự động như: k láng giềng (k Nearest Neighbors) (Fix and Hodges, 1952), cây quyết định (Decision Trees) (Breiman et al., 1984), bagging (Breiman, 1996), rừng ngẫu nhiên (Random Forests) (Breiman, 2001) và máy học véc tơ hỗ trợ (Support Vector Machines) (Vapnik, 1995).
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Một số công trình khác biến đổi một ít mô hình SVM để chuyển từ bài toán quy hoạch toàn phương sang bài toán hệ phương trình tuyến tính (Fung và Mangasarian, 2001) hay cải biên bài toán SVM gốc để giải bằng phương pháp lặp. 4.2 Nhận dạng ngôn ngữ ký hiệu với máy học véc-tơ hỗ trợ. Các đặc trưng được trích ra trong bước trích đặc trưng được dùng để biểu diễn các từ ngôn ngữ dấu hiệu. Như thế, mỗi từ được biểu diễn bằng một véc-tơ đặc trưng có n phần tử.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Hệ thống này sử dụng mạng nơ-ron (neural networks), máy học véc-tơ hỗ trợ (support vector machines) [21] hoặc rừng ngẫu nhiên (random forests) [3] để học phân lớp ảnh khiêu dâm. Một ảnh được biểu diễn bởi tập hợp túi từ trực quan được xây dựng bằng cách áp dụng một giải thuật gom nhĩm lên các véc-tơ mơ tả cục bộ SIFT. Giai đoạn tiền xử lý cho ra một tập dữ liệu với số chiều rất lớn (chẳng hạn 2000 chiều hoặc từ trực quan).
310845.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
ỨNG DỤNG SVM VÀO PHÁT HIỆN MÃ ĐỘC ANDROID. Tìm hiểu về học máy véc tơ hỗ trợ SVM. Quá trình phân loại sử dụng SVM. Phát hiện mã độc Android sử dụng SVM. Xây dựng véc tơ đặc trưng. XÂY DỰNG ỨNG DỤNG PHÁT HIỆN MÃ ĐỘC TRÊN ANDROID. Mô hình ứng dụng phân loại APK. Xây dựng ứng dụng phát hiện mã độc DroidGuard. Môi trường và công cụ phát triển. 55 Xây Dựng Hệ Thống Phát Hiện Mã Độc Trên Di Động 2 3.3.2. Ứng dụng phân loại apkClassifer.
277404-tt.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Sử dụng bốn mô hình nhận dạng: Mạng nơ-rôn MLP (Multi-Layer Perceptron), mạng logic mờ TSK (Takagi–Sugeno–Kang), máy véc-tơ hỗ trợ SVM (Support Vector Machines) và rừng ngẫu nhiên RF (Random Forest) để xây dựng thành các mô hình nhận dạng cơ sở. Lựa chọn các đặc tính của tín hiệu điện tim. Sử dụng các hàm cơ sở Hermite (Hermite Basis Functions) để khai triển các phức bộ QRS nhằm lấy các hệ số khai triển này làm đặc tính.
310504.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Chương 3: Chương này nghiên cứu về các hệ thống dùng nhận dạng các trạng thái của tín hiệu động kinh bao gồm mạng trí tuệ nhân tạo và máy véc-tơ hỗ trợ SVM. 12 Chương 1 - GIỚI THIỆU CHUNG VỀ BỆNH ĐỘNG KINH VÀ TÍN HIỆU ĐIỆN NÃO ĐỒ Trong chương này, những kiến thức cơ bản về bệnh động kinh và tín hiệu điện não đồ (electroencephalogram-EEG) sẽ được trình bày.
310504-tt.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Chương 2: Chương này trình bày về phương pháp tạo các đặc trưng của tín hiệu EEG được sử dụng trong phát hiện động kinh. 2 - Chương 3: Chương này nghiên cứu về các hệ thống dùng nhận dạng các trạng thái của tín hiệu động kinh bao gồm mạng nơron nhân tạo và máy véc-tơ hỗ trợ SVM. Chương 4: Trình bày về các thuật toán dùng phát hiện và cảnh báo động kinh, bằng phương pháp sử dụng SVM.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Phân loại văn bản, phân loại ý kiến, mơ hình túi từ Bow, máy học vectơ hỗ trợ SVM, giải thuật Nạve Bayes, mạng ngữ nghĩa. Multinomial Nạve Bayes (MNB), WordNet. Phân loại ý kiến trên Twitter là phân loại cho từng bình luận theo hướng quan điểm tích cực hay tiêu cực dựa trên nội dung bình luận. Trong bài viết này, chúng tơi đề xuất sử dụng mơ hình túi từ và giải thuật máy học Multinomial Nạve Bayes để phân loại ý kiến.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
ARC-x4-NSVM cho phân loại dữ liệu lớn. 2 GIẢI THUẬT MÁY HỌC NSVM. Cho m phần tử x 1 , x 2. x m trong không gian n chiều, biểu diễn bởi ma trận A[mxn], có nhãn (lớp) của các phần tử là y 1 , y 2. 2.1 Giải thuật SVM. Giải thuật học SVM của Vapnik [15] tìm siêu phẳng tối ưu (xác định bởi véc-tơ pháp tuyến w và độ lệch của siêu phẳng b) dựa trên 2 siêu phẳng hỗ trợ của 2 lớp..
000000296827-tt.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Sau đó, luận văn đã lựa chọn sử dụng phương pháp phân loại máy véc tơ hỗ trợ cho quá trình phân loại. Phương pháp nghiên cứu Phương pháp nghiên cứu lý thuyết: Nghiên cứu mô hình bài toán phân loại đơn xin việc. Tìm hiểu về phương pháp tiền xử lý dữ liệu và mô hình hoá dữ liệu sang không gian véc tơ. Đề xuất phương pháp phân loại bằng máy véc tơ hỗ trợ (SVM). Phương pháp nghiên cứu thực nghiệm: Phân tích, thiết kế mô đun phân tích và tiền xử lý dữ liệu.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Tiếp đến, một mô-đun phân loại tin nhắn được thiết lập dựa trên sự kết hợp các phương pháp máy học với công nghệ xử lý ảnh và xử lý văn bản. Trong bài viết này, chúng tôi đề xuất một giải pháp mới nhằm hỗ trợ cho công tác khuyến nông, cụ thể là khuyến nông qua mạng thông tin di động bằng tin nhắn SMS/MMS.