РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ, НЕЙРОННЫЕ СЕТИ И ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
Пpaктика преподавания учебных курсов по направлению «Информатика и вычислительная техника» убедительно показала насущную необходимость создания учебного пособия по новым и перспективным проблемам современных информационных технологий, к которым относятся задачи распознавания сигналов, а также их обработки с помощью генетических алгоритмов и нейронных сетей.
Предлагаемый учебник в полной мере отвечает названным задачам. В нём подробно и на достаточно высоком уровне рассмотрены проблемы классической теории распознавания, а именно: проверка простых и многоальтернативных гипотез с использованием критерия минимума среднего риска.
Большое внимание уделено теории и пpaктике построения параметрических и непараметрических алгоритмов классификации. В рамках параметрической теории рассмотрены алгоритмы обучения с учителем, причём оценка неизвестных параметров производится как байесовскими методами, так и методом максимального правдоподобия. Для анализа эффективности получаемых оценок применяется неравенство Крамера-Рао.
При изучении непараметрических методов распознавания анализируются оценки плотностей распределения как с помощью парзеновских окон, так и методами ближайших соседей.
Кроме того, изучаются линейный и множественный дискриминантный анализ.
Специальный раздел посвящён методам классификации с использованием нейронных сетей. В учебном пособии рассмотрены как общие принципы построения нейронных сетей, так и их конкретная реализация с использованием алгоритма обратного распространения ошибки.
В пособии приведены основные принципы построения генетических алгоритмов с иллюстрациями их реализации.
И, наконец, отдельный раздел посвящён изучению широкого спектра современных методов прогнозирования.
Всё сказанное выше позволяет высказать уверенность в том, что учебное пособие будет безусловно полезным при углублённом изучении курсов, связанных с современными информационными технологиями.
Библиогр.: 6 назв. Табл.1 Рис. 15
ОГЛАВЛЕНИЕ
1. Классическая теория распознавания изображений.
1.1 Проверка простых гипотез.
1.2 Критерий минимума среднего риска.
1.3 Многоальтернативная проверка гипотез.
2. Классификаторы, разделяющие функции и поверхности решений.
2.1 Случай многих классов.
2.2 Вероятности ошибок и интегралы ошибок.
2.3 Правило принятия решения при нормальной плотности вероятностей признаков.
3. Оценка параметров и обучение с учителем.
3.1 Оценка по максимуму правлоподрбия.
3.2 Байесовский классификатор.
3.3 Эффективность оценки. Нижняя граница дисперсии несмещённой оценки. Неравенство Крамера-Рао.
4. Непараметрияеские методы.
4.1 Оценка плотности распределения.
4.1.1 Парзеновские окна.
4.1.2 Оценка методом ближайших соседей.
4.2 Оыценка апостериорных вероятностей. Правило ближайших соседей.
4.3 Аппроксимация пцтём разложения в ряд.
4.4 Линейныфй дискриминант Фишера.
4.5 Множественный дискриминантный
анализ.
5. Нейронные сети.
5.1 Общие принципы построения нейронной сети.
5.2 Области применения нейронных сетей.
5.3 Алгоритм обратного распространения ошибки.
6. Генетические алгоритмы.
6.1 Генетические алгоритмы и традиционные методы оптимизации.
6.2 Основные понятия генетических алгоритмов.
6.3 Классический генетический алгоритм.
6.4 Иллюстрация выполнения классического генетического алгоритма.
7. Традиционные методы прогнозирования.
7.1 «Наивные» модели прогнозирования.
7.2 Средние и скользящие средние.
7.3 Методы Хольта и Брауна.
7.4 Метод Винтерса.
7.5 Регрессионные методы прогнозирования.
7.6 Методы Бокса-Дженкинса.
7.7 Нейросетевые модели бизнес-программирования.
7.8 Использование многослойных персептронов.
7.9 Использование нейронных сетей с общей регрессией.
8. Библиографический список.
Разработана методика определения констант диссоциации протонированных трехкислотных оснований, отличающаяся новым подходом к оценке и учету концентраций всех равновесных частиц, для расчета ионной силы раствора.
...
24 03 2026 11:10:15
Статья в формате PDF
150 KB...
23 03 2026 8:10:52
Статья в формате PDF
144 KB...
22 03 2026 14:38:28
Статья в формате PDF
279 KB...
20 03 2026 22:37:13
Статья в формате PDF
848 KB...
19 03 2026 18:35:11
На основе собственных фактических данных, полученных в процессе длительных наблюдений (1982-2000 гг.) за качественным состоянием каспийских осетровых, выявлена прострaнcтвенно-временная динамика патоморфологических и функциональных нарушений во внутренних органах рыб. С позиций современной патологии, регенерации экологическая и физиологическая пластичность современных каспийских осетровых рассматривается в связи с адаптивной модификацией и нормой реакции.
Обсуждаются вопросы дальнейшего изучения механизма регенерации в связи с известной гипотезой о существовании креаторной системы, выполняющей в организме регуляцию функциональной зависимости между клетками и органами.
...
18 03 2026 16:10:19
Статья в формате PDF
103 KB...
17 03 2026 9:35:57
Статья в формате PDF
137 KB...
16 03 2026 8:56:29
Статья в формате PDF
105 KB...
15 03 2026 1:42:25
Статья в формате PDF
103 KB...
14 03 2026 11:39:28
Статья в формате PDF
133 KB...
12 03 2026 1:16:31
Статья в формате PDF
125 KB...
11 03 2026 14:24:44
Статья в формате PDF
269 KB...
10 03 2026 6:10:33
Статья в формате PDF
138 KB...
07 03 2026 12:51:28
Статья в формате PDF
99 KB...
05 03 2026 3:58:21
Статья в формате PDF
319 KB...
04 03 2026 2:20:16
Статья в формате PDF
139 KB...
03 03 2026 3:56:11
Статья в формате PDF
317 KB...
02 03 2026 19:42:10
Статья в формате PDF
173 KB...
01 03 2026 13:35:28
Статья в формате PDF
111 KB...
27 02 2026 16:58:24
С помощью элементарных методов комбинаторной математики и единственности решений систем линейных алгебраических уравнений для невырожденных случаев доказана теорема о количестве и структуре особых точек n–мерной динамической системы популяционной динамики Лотки-Вольтерра. Показано, что количество особых точек для этой системы равняется 2n, а их структура в отношении сочетания нулевых и ненулевых координат совпадает с биноминальными коэффициентами. Сделано предположение, что с помощью этой динамической системы можно моделировать конкурентные взаимодействия среди n научных фронтов в рамках широкой области научных исследований.
...
26 02 2026 22:46:26
Статья в формате PDF
130 KB...
24 02 2026 5:39:23
Статья в формате PDF
120 KB...
23 02 2026 9:30:51
Статья в формате PDF
361 KB...
22 02 2026 6:55:44
Статья в формате PDF
120 KB...
21 02 2026 0:38:48
Статья в формате PDF
99 KB...
20 02 2026 17:26:45
Статья в формате PDF
110 KB...
17 02 2026 8:30:38
Статья в формате PDF
104 KB...
16 02 2026 14:37:28
Статья в формате PDF
118 KB...
15 02 2026 1:34:53
Статья в формате PDF
319 KB...
14 02 2026 23:24:14
Статья в формате PDF
140 KB...
13 02 2026 7:36:18
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
