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.
Статья в формате PDF
111 KB...
22 09 2026 20:18:31
Статья в формате PDF
110 KB...
20 09 2026 2:10:29
Статья в формате PDF
105 KB...
19 09 2026 20:36:59
Статья в формате PDF
250 KB...
18 09 2026 12:15:58
Статья в формате PDF
137 KB...
17 09 2026 22:37:11
Статья в формате PDF
629 KB...
16 09 2026 9:46:12
Статья в формате PDF
125 KB...
15 09 2026 3:49:42
Статья в формате PDF
125 KB...
14 09 2026 6:57:32
Статья в формате PDF
120 KB...
12 09 2026 6:10:40
Статья в формате PDF
113 KB...
11 09 2026 0:46:46
Статья в формате PDF
116 KB...
10 09 2026 12:25:37
Статья в формате PDF
91 KB...
08 09 2026 23:58:36
Статья в формате PDF
101 KB...
07 09 2026 18:59:10
Статья в формате PDF
110 KB...
06 09 2026 0:35:30
Статья в формате PDF
112 KB...
05 09 2026 21:27:11
Статья в формате PDF
277 KB...
04 09 2026 20:28:24
Статья в формате PDF
229 KB...
03 09 2026 1:30:48
Статья в формате PDF
120 KB...
02 09 2026 8:16:13
Статья в формате PDF
122 KB...
01 09 2026 3:39:41
Статья в формате PDF
157 KB...
31 08 2026 8:39:18
В статье рассмотрено понятие «финансовый леверидж» и его влияние на увеличение или уменьшение прибыли и собственного капитала предприятия.
...
29 08 2026 1:53:14
Рассмотрена финансовая поддержка инициативных и издательских проектов в области знания «биология и медицинская наука» Российским Фондом Фундаментальных Исследований. Проанализированы количественные хаpaктеристики и динамика результатов конкурсов проектов по разным аспектам нейрофизиологии.
...
28 08 2026 0:30:18
Статья в формате PDF
110 KB...
27 08 2026 2:34:39
Статья в формате PDF
101 KB...
26 08 2026 13:26:42
Статья в формате PDF
120 KB...
25 08 2026 12:14:43
Статья в формате PDF
345 KB...
24 08 2026 2:48:14
Статья в формате PDF
320 KB...
23 08 2026 22:46:22
Статья в формате PDF
113 KB...
22 08 2026 11:38:30
Статья в формате PDF
128 KB...
21 08 2026 21:14:36
Статья в формате PDF
121 KB...
17 08 2026 11:47:20
Исследовано влияние постоянного магнитного поля на морфо-функциональное состояние костной ткани крыс в условиях повышенной резорбции. Показано, что воздействие на животных постоянным магнитным полем 9 мТл предотвращает деградацию коллагена и потерю костной массы у крыс, подвергавшихся действию высокой температуры, и не влияет на состояние костной ткани интактных животных.
...
16 08 2026 12:10:12
Статья в формате PDF
689 KB...
15 08 2026 9:19:37
Статья в формате PDF
383 KB...
14 08 2026 7:56:45
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 ::
