support vector machines

• pattern recognition alaninda her gecen gun neural networkun onune gecmekte^* olan algoritmalardir. aslinda bu durum teorik altyapisinin neural networkten cok farkli olmasinin sonucudur. "dur bakalim sinir hucreleri nasil calisiyormus. ha bir de birkac tanesni paralel calistirsak diyorum." mantigiyla cikip sonra problem cozme yetenegi farkedilince algoritmik tecavuze ugrayan neural network, yapisinin bozmadan daha iyi ogrenen algoritmalarin gelistirilmesi surecinden gecerken matematiksel olarak davranisi kontrol altina alinamayip birsuru parametre allaha birakildi. ote yandan support vector machines saglam bir teorik altyapiyla paternlerin once belirlenmi$ bir hilbert uzayina ta$inmasi, daha sonra bu uzayda istatistiki riskin minimize edilmesi mantigina dayanmaktadir. tum bu surec icersinde ogrenme algoritmasi o kadar estetik tasarlanmi$tir ki ilk kez kar$ila$an kimsenin ,hele de turkse, "vayamugagoyim" narasini basmamasi neredeyse imkansizdir (yine de tum bu estetige ve disipline ragmen neural networkun o savruk, anar$ist ve lame yapisi kendisine duyulan sempatiyi bir turlu azaltamiyor) ote yandan implementasyonu sirasinda memory nolcak lan diye uykulari bolunebilir programci organizmanin. oysa ki gevur yapmi$tir: sequential minimal optimization