نتایج جستجو

...آن انجام می‌دهند. مزیت‌های استفاده از این تابع کرنل جدید را در مقابل توابع کرنل ساده می‌توان به صورت زیر بیان کرد: ...دلیل انتخاب تابع هسته بد می‌شود و در عین حال امکان خودکار سازی انتخاب تابع کرنل را می‌دهد. ...

...ک کلاس قدرتمند از الگوریتم‌ها هستند که در [[یادگیری ماشینی|یادگیری ماشین]] برای تحلیل الگو استفاده می‌شوند. آن‌ها به طور ویژه در حل مسائل غیرخطی با استفاده ...شته باشند، مانند خوشه‌ها، همبستگی‌ها و طبقه‌بندی‌ها. با استفاده از روش‌های کرنل، می‌توانیم این روابط را حتی در مجموعه داده‌های پیچیده و غیرخطی به طور موثر ...

...رایند گاوسی از lazy learning و اندازه‌گیری شباهت بین نقاط (همان تابع کرنل) برای پیش‌بینی نقاط جدید از داده‌های آموزشی است. فرایند گاوسی برای مدل کردن‌های اماری مفید است، زیرا این فرایند از مزایای ذاتی توزیع نرمال است ...

...ن=|صفحات=}}</ref> در مقابل طبقه‌بندی دودویی، طبقه‌بندی چندکلاسه قرار دارد (برای نمونه تشخیص یک عدد بین ۰ تا ۹ از روی تصویر نه کلاس دارد). طبقه‌بندی‌های چند ...غیر وابسته و مستقل|متغیر وابسته باشد]]، در نظر گرفته می‌شوند. در [[یادگیری ماشینی]]، مشاهدات اغلب به‌عنوان ''نمونه'' شناخته می‌شوند. متغیرهای توضیحی ''ویژگی‌ ...

{{یادگیری ماشین}} ...های عصبی ژرف]] هستند که معمولاً برای انجام تحلیل‌های تصویری یا گفتاری در [[یادگیری ماشین]] استفاده می‌شوند. ...

...ست. بیوانفورماتیک دانشی است که به جنبه‌های ریاضی و محاسباتی [[زیست‌شناسی]] برای فهم و پردازش داده‌های زیستی می‌پردازد.<ref name=":0">{{Cite journal|date=20 ...ستی به شدت افزایش یافته‌است، که این موضوع استفاده از سیستم‌های گفته شده را برای پژوهشگران بیوانفورماتیک میسر می‌کند.<ref name=":0"/> ...

...که ما را به فضایی با ابعاد بالا می‌برد، تابعِ ساده‌تری به نامِ تابع هسته (کرنل) که ضرب برداری تابع phi است ظاهر می‌شود استفاده می‌کنیم. از توابع هسته مختل ...وزر، ایزابل گایون و وپنیک با مطرح کردن هسته (کرنل) و افزودن آن به SVM راهی برای کلاس بندی غیرخطی ارائه کردند<ref name=":0"/> و در سال ۱۹۹۵ [[Corinna Cortes ...

{{اشتباه نشود|ماشین یادگیری منطقی}} {{یادگیری ماشین}} ...