دانلود مقاله ISI انگلیسی شماره 46745
ترجمه فارسی عنوان مقاله

آموزش رگرسیون بردار پشتیبان لاگرانژی دوقلو از طریق حداقل سازی محدب نامحدود

عنوان انگلیسی
Training Lagrangian twin support vector regression via unconstrained convex minimization
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
46745 2014 12 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 9290 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 111,480 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 222,960 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 59, March 2014, Pages 85–96

ترجمه کلمات کلیدی
روشهای تکراری بر مبنای گرادیان - تقریب صاف - پشتیبانی از رگرسیون بردار - رگرسیون بردار پشتیبان دوقلو - حداقل سازی محدب نامحدود
کلمات کلیدی انگلیسی
Generalized Hessian; Gradient based iterative methods; Smooth approximation; Support vector regression; Twin support vector regression; Unconstrained convex minimization
پیش نمایش مقاله
پیش نمایش مقاله آموزش رگرسیون بردار پشتیبان لاگرانژی دوقلو از طریق حداقل سازی محدب نامحدود

چکیده انگلیسی

In this paper, a new unconstrained convex minimization problem formulation is proposed as the Lagrangian dual of the 2-norm twin support vector regression (TSVR). The proposed formulation leads to two smaller sized unconstrained minimization problems having their objective functions piece-wise quadratic and differentiable. It is further proposed to apply gradient based iterative method for solving them. However, since their objective functions contain the non-smooth ‘plus’ function, two approaches are taken: (i) either considering their generalized Hessian or introducing a smooth function in place of the ‘plus’ function, and applying Newton–Armijo algorithm; (ii) obtaining their critical points by functional iterative algorithm. Computational results obtained on a number of synthetic and real-world benchmark datasets clearly illustrate the superiority of the proposed unconstrained Lagrangian twin support vector regression formulation as comparable generalization performance is achieved with much faster learning speed in accordance with the classical support vector regression and TSVR.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 9290 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 111,480 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 222,960 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.