Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/24469

Назва: Выкарыстанне бібліятэкі scikit-learn ў задачы класіфікацыі рухаў трэкбола
Інші назви: Використання бібліотеки scikit-learn в завданні класифікації рухів трекбола
Using scikit-learn library classification problem of trackball movements
Автори: Пархац, К. Г.
Приналежність: Брэсцкі дзяржаўны тэхнічны універсітэт, konstantinparhoc@gmail.com
Бібліографічний опис: Пархац К. Г. Выкарыстанне бібліятэкі scikit-learn ў задачы класіфікацыі рухаў трэкбола / Пархац К. Г. // FOSS Lviv 2017, 27-30 квітня 2017 року. — Львів : Т.Б. Сорока, 2017. — С. 71–73.
Bibliographic description: Parkhats K. H. (2017) Vykorystannia biblioteky scikit-learn v zavdanni klasyfikatsii rukhiv trekbola. FOSS Lviv 2017 (Lviv, 27-30 April 2017), pp. 71-73 [in Belarusian].
Є частиною видання: Матеріали сьомої науково-практичної конференції FOSS Lviv 2017, 2017
Proceedings of Free/Libre and Open-Source Software Lviv-2017, 2017
Конференція/захід: Сьома науково-практична конференція FOSS Lviv 2017
Журнал/збірник: Матеріали сьомої науково-практичної конференції FOSS Lviv 2017
Дата публікації: 27-кві-2017
Видавництво: Т.Б. Сорока
Місце видання, проведення: Львів
Lviv
Часове охоплення: 27-30 квітня 2017 року
27-30 April 2017
Кількість сторінок: 3
Діапазон сторінок: 71-73
Початкова сторінка: 71
Кінцева сторінка: 73
Короткий огляд (реферат): A scikit-learn machine learning library is discussed in conjunction with its usage in the task of a trackball-specific gesture recognition. Specific of the library and its place in the row of open source machine learning tools is covered. Details of the trackball movement recognition solved with use of the support vector machines approach are presented as far as keynotes for the chosen method.
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/24469
ISBN: 978-966-2598-86-5
URL-посилання пов’язаного матеріалу: https://youtu.be/6Ec0AhQ5BaM
http://www.infoworld.com/article/2853707/robotics/11-open-source-tools-machine-learning.html
http://scikit-learn.org/stable/
Перелік літератури: 1. Yegulalp S. 11 open source tools to make the most of machine learning // InfoWorld, Dec 4, 2014. http://www.infoworld.com/article/2853707/robotics/11-open-source-tools-machine-learning.html
2. Scikit-learn: machine learning in Python. http://scikit-learn.org/stable/
3. Pedregosa F. et al. Scikit-learn: machine learning in Python // Journal of Machine Learning Research, № 12, 2011. – P. 2825–2830.
References: 1. Yegulalp S. 11 open source tools to make the most of machine learning, InfoWorld, Dec 4, 2014. http://www.infoworld.com/article/2853707/robotics/11-open-source-tools-machine-learning.html
2. Scikit-learn: machine learning in Python. http://scikit-learn.org/stable/
3. Pedregosa F. et al. Scikit-learn: machine learning in Python, Journal of Machine Learning Research, No 12, 2011, P. 2825–2830.
Тип вмісту : Conference Abstract
Розташовується у зібраннях:FOSS Lviv 2017



Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.