Zobrazeno 1 - 10
of 902
pro vyhledávání: '"Working set"'
Autor:
Aykut Kocaoğlu
Publikováno v:
Applied Sciences, Vol 14, Iss 9, p 3641 (2024)
While traditional support vector regression (SVR) models rely on loss functions tailored to specific noise distributions, this research explores an alternative approach: ε-ln SVR, which uses a loss function based on the natural logarithm of the hype
Externí odkaz:
https://doaj.org/article/fdb929820b494aaba7b37c4184342233
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Aykut Kocaoğlu
Publikováno v:
Uludağ University Journal of The Faculty of Engineering, Vol 26, Iss 3, Pp 1111-1120 (2021)
ε-duyarsız Destek Vektör Regresyonu (ε-DVR), ε-duyarsızlık özelliğine sahip düzenlenmiş 𝑙1 hata kayıp fonksiyonu ile ifade edilir ve 𝑙1 kayıp fonksiyonunun sahip olduğu gürbüz olma özelliği yanında küçük hatalara karşı d
Externí odkaz:
https://doaj.org/article/c6adc62acab84d60878b8be6491498a9
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jian Ling Li, Qi Zhang
Publikováno v:
Journal of Inequalities and Applications, Vol 2020, Iss 1, Pp 1-24 (2020)
Abstract In this paper, a primal–dual interior point QP-free algorithm for mathematical programs with complementarity constraints is presented. Firstly, based on Fischer–Burmeister function and smoothing techniques, the investigated problem is ap
Externí odkaz:
https://doaj.org/article/d24a061d8d96453a977a48cfa1cc4c8a
Publikováno v:
PeerJ Computer Science, Vol 7, p e799 (2021)
Support vector machine (SVM) is a robust machine learning method and is widely used in classification. However, the traditional SVM training methods may reveal personal privacy when the training data contains sensitive information. In the training pr
Externí odkaz:
https://doaj.org/article/fdeb66e7d0c941e78d57f937dcb031d7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.