ماشین بردار پشتیبان یک روش طبقه بندی به روش انتقال (Transformation) است که با خطی نمودن بردارهای غیر خطی به روش انتقال آنها از یک فضای با ابعاد کمتر به فضای با ابعاد بیشتر، امکان استفاده از طبفه بندی به روش خطی توسط یک Hyperplane بهینه را فراهم می آورد. در این پست، لینکهای شش سخنرانی پروفسور P.S.Sastry از انیستیتیو بنگلور هند در خصوص ماشین بردار پشتیبان (Support Vector Machine) قرار داده شده است. امید است با توجه به کاربرد بسیار زیاد این تکنیک در مهندسی برق و کمبود منابع آموزشی در خصوص آن مورد استفاده بایسته قرار گیرد.

• Support Vector Machines – Introduction, obtaining the optimal hyperplane
• SVM formulation with slack variables; nonlinear SVM classifiers
• Kernel Functions for nonlinear SVMs; Mercer and positive definite Kernels
• Support Vector Regression -insensitive Loss function, examples of SVM learning
• Overview of SMO and other algorithms for SVM;SVM as a risk minimizer
• Positive Definite Kernels; RKHS; Representer Theorem

پی نوشت : لهجه انگلیسی پروفسور Sastry خیلی مناسب نیست؛ اما پس از شنیدن اولین سخنرانی بدان عادت می کنید.