S.R. Gunn at the University of Sout

S.R. Gunn at the University of Southampton wrote Matlab SVM
Toolbox [27]. This toolbox runs in Matlab and is composed of m language
script files and functions, providing a good platformfor engineering
and practical application of the SVM technology. The regression
function of SVM is svr and is based on the training sample to design
the optimal regression function and to find the support vector. This
function has 6 parameters: input of the training sample, output of the
training sample, kernel function, penalty factor, loss function, and insensitivity
coefficient. The output parameter is the number of the support
vector, Lagrangian multiplier, and bias. Its grammar is

ผลลัพธ์ (ไทย) 1:

S.R. กันที่มหาวิทยาลัยเซาแธมป์ตันเขียน Matlab SVMเครื่องมือ [27] เครื่องมือนี้ทำงานใน Matlab และประกอบด้วยภาษามแฟ้มสคริปต์และฟังก์ชัน ให้วิศวกรรมที่ดี platformforและประยุกต์ใช้จริงของเทคโนโลยี SVM การถดถอยฟังก์ชันของ SVM มี svr และตามตัวอย่างการฝึกอบรมการออกแบบการถดถอยที่ดีที่สุด และหาเวกเตอร์สนับสนุน นี้ฟังก์ชันมี 6 พารามิเตอร์: ป้อนข้อมูลของตัวอย่างการฝึกอบรม ผลของการตัวอย่างการฝึกอบรม ฟังก์ชันเคอร์เนล โทษปัจจัย สูญเสียฟังก์ชัน และต่อต้านค่าสัมประสิทธิ์การ พารามิเตอร์การแสดงผลคือ จำนวนของการสนับสนุนเวกเตอร์ ตัวคูณลากรองจ์ และอคติ คือไวยากรณ์ของ

ผลลัพธ์ (ไทย) 2:

SR น์ที่มหาวิทยาลัยเซาแธมป์ตันเขียน Matlab SVM
กล่องเครื่องมือ [27] กล่องเครื่องมือนี้ทำงานใน Matlab และประกอบด้วยภาษา M
สคริปต์ไฟล์และฟังก์ชั่นการให้บริการวิศวกรรม platformfor ที่ดี
และการประยุกต์ใช้ในทางปฏิบัติของเทคโนโลยี SVM ถดถอย
การทำงานของ SVM เป็น SVR และอยู่บนพื้นฐานตัวอย่างการฝึกอบรมในการออกแบบ
ฟังก์ชั่นการถดถอยที่ดีที่สุดและเพื่อหาเวกเตอร์การสนับสนุน นี้
ฟังก์ชั่นมี 6 พารามิเตอร์การป้อนข้อมูลของกลุ่มตัวอย่างการฝึกอบรม, การส่งออกของ
กลุ่มตัวอย่างการฝึกอบรมฟังก์ชันเคอร์เนลปัจจัยปรับฟังก์ชั่นการสูญเสียและไม่รู้สึก
ค่าสัมประสิทธิ์ พารามิเตอร์ที่ส่งออกเป็นจำนวนของการสนับสนุน
เวกเตอร์คูณลากรองจ์และอคติ ไวยากรณ์ของมันคือ