1. INTRODUCTION In real world ther

1. INTRODUCTION

In real world there are problems which cannot be solved using mathematical model or by classical programming techniques. In these areas, machine learning approach plays a vital role. As a broad subfield of artificial intelligence, machine learning is concerned with the design and development of algorithms and techniques that allow computers to learn [1]. The support vector machine (SVM) is widely used machine learning algorithm for pattern classification problem. It maps the data into high dimensional input space and constructs an optimal separating hyperplane in this space. SVM is based on the structural minimization principle. The quality of the solution does not depend directly on the dimensionality of the input space.

Kết quả (Việt) 1:

1. GIỚI THIỆU Trong thế giới thực có những vấn đề mà không thể được giải quyết bằng cách sử dụng toán học, mô hình, hoặc bằng kỹ thuật lập trình cổ điển. Ở các khu vực này, cách tiếp cận học tập máy đóng một vai trò rất quan trọng. Như là một subfield rộng của trí tuệ nhân tạo, Máy học là có liên quan với thiết kế và phát triển các thuật toán và kỹ thuật mà cho phép các máy tính để tìm hiểu [1]. Máy vectơ hỗ trợ (SVM) là thuật toán học máy được sử dụng rộng rãi cho các mô hình phân loại vấn đề. Đô thị này có bản đồ các dữ liệu vào không gian đầu vào chiều cao và xây dựng một hyperplane tách tối ưu trong không gian này. SVM dựa trên nguyên lý cấu trúc giảm thiểu. Chất lượng của các giải pháp không phụ thuộc trực tiếp vào chiều không gian đầu vào.

Kết quả (Việt) 2:

1. GIỚI THIỆU

Trong thế giới thực có những vấn đề mà không thể được giải quyết bằng cách sử dụng mô hình toán học hoặc bằng các kỹ thuật lập trình cổ điển. Trong các khu vực này, cách tiếp cận máy học đóng một vai trò quan trọng. Là một trường con rộng của trí tuệ nhân tạo, máy tính học tập là quan tâm đến việc thiết kế và phát triển các thuật toán và kỹ thuật cho phép các máy tính để học [1]. Các máy vector hỗ trợ (SVM) được sử dụng rộng rãi thuật toán máy học cho vấn đề mô hình phân loại. Nó bản đồ dữ liệu vào không gian đầu vào chiều cao và xây dựng một siêu phẳng tách tối ưu trong không gian này. SVM dựa trên nguyên tắc giảm thiểu cơ cấu. Chất lượng của các giải pháp không phụ thuộc trực tiếp vào số chiều của không gian đầu vào.

Kết quả (Việt) 3:

1.ProfileTrong thế giới thực, có thể giải quyết vấn đề cổ điển, sử dụng mô hình toán học hay chương trình công nghệ.Ở trong khu vực này, học máy là phương pháp quan trọng vai trò của plays.Với tư cách là một chi nhánh của Đức, trí tuệ nhân tạo, máy học và công nghệ liên quan đến các thuật toán để tính học [1] được thiết kế và phát triển.Máy vectơ hỗ trợ (máy vectơ hỗ trợ) là một thuật toán được sử dụng rộng rãi máy học, được dùng để chế độ phân loại vấn đề.Nó sẽ được ánh xạ tới chiều không gian cao hơn nhập dữ liệu tối ưu phân loại cấu trúc siêu phẳng trong không gian này.Máy vectơ hỗ trợ là dựa trên nguyên tắc cấu trúc thu nhỏ.Nên giải pháp chất lượng không trực tiếp phụ thuộc vào nhập của Không gian.