Year: 2023
Type: article
Abstract: Support Vector Machines (SVM) мощный алгоритм машинного обучения, создает оптимальные гиперплоскости для разделения классов данных. В данной статье рассматриваются приложения SVMs в медицинской диагностике, прогнозировании финансовых тенденций и промышленной оптимизации. В медицинской визуализации SVM превосходно классифицирует опухоли на основе особенностей маммографии. В финансовой сфере это помогает прогнозировать тенденции рынка, облегчая принятие обоснованных инвестиционных решений. Промышленное применение включает оптимизацию процессов с помощью анализа различных параметров с помощью SVM. Существуют такие проблемы, как чувствительность к выбору ядра и зависимость от объема данных. Передовые методы устраняют эти ограничения. Текущие исследования направлены на оптимизацию SVM, интеграцию его с глубоким обучением и расширение его использования в обучении с подкреплением, что отражает его актуальность в развивающихся ландшафтах машинного обучения.
Author: Х.А. Зарифов
Language: Russian
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4391964298
