In this paper, we have shown that a

In this paper, we have shown that a multiclass proximal support
vector machine simplifies the computation and shred some light on
the geometry of multiclass formulation. It was clear from the results
that using multiclass proximal support vector machine, it was also depicted that the speed of the classification is high compared to others
and only a few kernel parameters (Nu and Sigma) were needed
for classification. In this work, an error percentage of 27.541 were
obtained for classifying a total of twenty four classes.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราได้แสดงที่การสนับสนุน proximal multiclass
เวกเตอร์เครื่องช่วยให้ง่ายคำนวณและฉีกบางเบาบน
เรขาคณิตของ multiclass กำหนด เป็นชัดเจนจากผล
ที่ใช้สนับสนุน multiclass proximal เวกเตอร์เครื่อง มันถูกยังแสดงว่าความเร็วของการจัดประเภทสูงเมื่อเทียบกับคนอื่น ๆ
และจำเป็นเพียงไม่กี่เคอร์เนลพารามิเตอร์ (Nu และซิก)
การจัด ในงานนี้ มีเปอร์เซ็นต์ความผิดพลาดของ 27.541
รับสำหรับการจัดประเภทจำนวนยี่สิบสี่ชั้นเรียน

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราได้แสดงให้เห็นว่าการสนับสนุนใกล้เคียง multiclass
เครื่องเวกเตอร์ช่วยลดความยุ่งยากในการคำนวณและฉีกแสงบางส่วนใน
รูปทรงเรขาคณิตของการกำหนด multiclass มันเห็นได้ชัดจากผล
ว่าการใช้ multiclass เครื่องสนับสนุนเวกเตอร์ใกล้เคียงมันก็แสดงให้เห็นว่าความเร็วของการจัดหมวดหมู่อยู่ในระดับสูงเมื่อเทียบกับคนอื่น
และมีเพียงไม่กี่พารามิเตอร์ (Nu และ Sigma) เป็นสิ่งที่จำเป็น
สำหรับการจัดหมวดหมู่ ในงานนี้เปอร์เซ็นต์ความผิดพลาดของ 27.541 ได้
รับสำหรับการจัดทั้งหมดยี่สิบสี่ชั้น

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้แสดงให้เห็นว่าการทำงานหลายสนับสนุนเวกเตอร์เครื่องจักรช่วยในการคำนวณและ

ตัดแสงบางส่วนในเรขาคณิตของการกำหนดหลาย . มันชัดเจนจากผลการทำงานสนับสนุนเครื่องเวกเตอร์
ที่ใช้หลาย ก็ยังปรากฎว่า ความเร็วของข้อมูลสูงเมื่อเทียบกับคนอื่น ๆ
และมีเพียงไม่กี่เมล็ดพารามิเตอร์ ( นู๋ต้องการ และ Sigma )
สำหรับการจำแนกประเภท ในงานนี้ ข้อผิดพลาดคือเปอร์เซ็นต์ของ 27.541
ได้รับการจัดรวมยี่สิบสี่ชั้น