論文の概要: LIBTwinSVM: A Library for Twin Support Vector Machines
- arxiv url: http://arxiv.org/abs/2001.10073v1
- Date: Mon, 27 Jan 2020 20:40:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 07:39:09.501955
- Title: LIBTwinSVM: A Library for Twin Support Vector Machines
- Title（参考訳）: LIBTwinSVM:双サポートベクトルマシンのためのライブラリ
- Authors: Amir M. Mir, Mahdi Rahbar, Jalal A. Nasiri
- Abstract要約: LIBTwinSVM は Twin Support Vector Machines (TSVM) のフリーで効率的なオープンソースライブラリである。
私たちのライブラリは,高速TSVM推定器,モデル選択,可視化,グラフィカルユーザインターフェース(GUI)アプリケーション,Pythonアプリケーションプログラミングインターフェース(API)などの便利な機能セットを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents LIBTwinSVM, a free, efficient, and open source library
for Twin Support Vector Machines (TSVMs). Our library provides a set of useful
functionalities such as fast TSVMs estimators, model selection, visualization,
a graphical user interface (GUI) application, and a Python application
programming interface (API). The benchmarks results indicate the effectiveness
of the LIBTwinSVM library for large-scale classification problems. The source
code of LIBTwinSVM library, installation guide, documentation, and usage
examples are available at https://github.com/mir-am/LIBTwinSVM.
- Abstract（参考訳）: 本稿では,Twin Support Vector Machines (TSVM) 用のフリーで効率的なオープンソースライブラリ LIBTwinSVM について述べる。
本ライブラリは,高速TSVM推定器,モデル選択,可視化,グラフィカルユーザインタフェース(GUI)アプリケーション,Pythonアプリケーションプログラミングインターフェース(API)などの便利な機能セットを提供する。
ベンチマークの結果は,LIBTwinSVMライブラリの大規模分類問題に対する有効性を示している。
LIBTwinSVMライブラリのソースコード、インストールガイド、ドキュメント、使用例はhttps://github.com/mir-am/LIBTwinSVMで公開されている。
関連論文リスト
- FuzzyLogic.jl: a Flexible Library for Efficient and Productive Fuzzy
Inference [5.584060970507507]
本稿では,ファジィ推論を行うJuliaライブラリであるtextscFuzzyLogic.jlを紹介する。
ライブラリは完全にオープンソースで、パーミッシブライセンスでリリースされている。
論文 参考訳（メタデータ） (2023-06-17T10:43:09Z) - torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。
環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文 参考訳（メタデータ） (2023-05-24T00:20:59Z) - A Library for Representing Python Programs as Graphs for Machine
Learning [39.483608364770824]
我々はPythonプログラムのグラフ表現に静的解析を適用するオープンソースのPythonライブラリpython_graphsを紹介した。
図書館の能力と限界を提示し、このライブラリを何百万もの競合するプログラムに応用するケーススタディを実行し、このライブラリが機械学習研究に有効であることを示す。
論文 参考訳（メタデータ） (2022-08-15T22:36:17Z) - Torchhd: An Open Source Python Library to Support Research on
Hyperdimensional Computing and Vector Symbolic Architectures [99.70485761868193]
我々はHD/VSA用の高性能オープンソースPythonライブラリであるTorchhdを紹介する。
Torchhdは、HD/VSAをよりアクセスしやすくし、さらなる研究とアプリケーション開発のための効率的な基盤となることを目指している。
論文 参考訳（メタデータ） (2022-05-18T20:34:25Z) - LibMTL: A Python Library for Multi-Task Learning [4.531240717484252]
LibMTLはPyTorch上に構築されたオープンソースのPythonライブラリで、Multi-Task Learning(MTL)のための統一的で包括的で再現可能な実装フレームワークを提供する。
LibMTL は MTL の異なる設定とアプローチを考慮し、多くの最先端 MTL メソッドをサポートしている。
論文 参考訳（メタデータ） (2022-03-27T16:00:48Z) - PLSSVM: A (multi-)GPGPU-accelerated Least Squares Support Vector Machine [68.8204255655161]
Support Vector Machines (SVM) は機械学習で広く使われている。
しかし、現代的で最適化された実装でさえ、最先端ハードウェア上の大きな非自明な高密度データセットにはうまくスケールしない。
PLSSVMはLVMのドロップイン代替として使用できる。
論文 参考訳（メタデータ） (2022-02-25T13:24:23Z) - PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。
マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。
ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
論文 参考訳（メタデータ） (2021-11-18T18:59:58Z) - AutoGL: A Library for Automated Graph Learning [67.63587865669372]
グラフ上での機械学習を自動化するための,最初の専用ライブラリであるAutomated Graph Learning(AutoGL)を紹介する。
AutoGLはオープンソースで、使いやすく、拡張も柔軟です。
また、パイプラインのカスタマイズとアプリケーションの強化を容易にする、AutoGLの軽量バージョンであるAutoGL-lightも紹介します。
論文 参考訳（メタデータ） (2021-04-11T10:49:23Z) - DoubleML -- An Object-Oriented Implementation of Double Machine Learning
in Python [1.4911092205861822]
DoubleMLはオープンソースのPythonライブラリで、Chernozhukovらのダブル機械学習フレームワークを実装している。
パラメータの推定が機械学習手法に基づく場合、因果パラメータの統計的推測に有効な機能を含む。
このパッケージはMITライセンスで配布されており、科学的なPythonエコシステムのコアライブラリに依存している。
論文 参考訳（メタデータ） (2021-04-07T16:16:39Z) - Picasso: A Sparse Learning Library for High Dimensional Data Analysis in
R and Python [77.33905890197269]
本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。
ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
論文 参考訳（メタデータ） (2020-06-27T02:39:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。