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
119 KB...
23 05 2026 16:12:34
Из аспирата семенных пузырьков человека сочетанием катионообменной хроматографии на S-сефарозе и диск-электрофореза выделен белок. Молекулярная масса полученного белка, по данным SDS-PAGE, составила 53,5 kDa. Исходя из электрофоретической подвижности, мы предположили, что полученный белок –семеногелин-I (SPMIP/Sg-I). После обработки полученного препарата очищенным простатоспецифическим антигеном (человеческий калликреин-3 (hK3)), электрофоретически были выявлены многочисленные полипептиды с молекулярной массой от 5 до 24 kDa. Проверка биологической активности на образцах нативной cпepмы подтвердила наличие у полипептидных фрагментов способности ингибировать двигательную активность cпepматозоидов и они были отнесены к SPMI. Электрофоретическая подвижность фpaкции SPMI с молекулярной массой 18-20 kDa, которую мы назвали «тяжелой» (SPMI-h), соответствовала электрофоретической подвижности фpaкции нативной cпepмы человека, проявляющей ингибиторную активность. Изучение в казиинолитическом тесте (с химотрипсином и папаином в качестве ферментов) возможной ингибиторной активности SPMI-h, показало наличие подобной активности в отношении папаина, влияние на ферментативную активность химотрипсина выявлено не было.
...
22 05 2026 9:54:25
Статья в формате PDF
106 KB...
21 05 2026 1:33:45
Статья в формате PDF
121 KB...
20 05 2026 1:42:30
Статья в формате PDF
108 KB...
19 05 2026 19:39:18
18 05 2026 9:19:13
Статья в формате PDF
121 KB...
16 05 2026 11:38:34
Статья в формате PDF
110 KB...
15 05 2026 20:47:53
Статья в формате PDF
101 KB...
14 05 2026 0:32:34
Статья в формате PDF
117 KB...
13 05 2026 21:34:59
Статья в формате PDF
117 KB...
12 05 2026 17:13:47
Изучены ценопопуляции Pulsatilla multifida на территории Юго-Западной и Западной Якутии. Рассмотрено влияние антропогенного фактора на их состояние
...
11 05 2026 16:38:18
Процессы разрушения твердой среды рассматриваются в связи с формированием и действием сейсмического излучения. Основой анализа является представление о сейсмическом излучении как о передаче в твердой среде механического импульса.
...
10 05 2026 20:49:19
Статья в формате PDF
239 KB...
09 05 2026 12:55:58
Статья в формате PDF
639 KB...
08 05 2026 5:12:20
07 05 2026 6:41:43
Статья в формате PDF
226 KB...
06 05 2026 20:38:52
Статья в формате PDF
165 KB...
05 05 2026 5:28:58
Статья в формате PDF
113 KB...
04 05 2026 7:33:35
Статья в формате PDF
113 KB...
03 05 2026 12:52:55
Статья в формате PDF
136 KB...
02 05 2026 5:38:45
Статья в формате PDF
124 KB...
01 05 2026 18:57:37
Статья в формате PDF
113 KB...
30 04 2026 12:21:32
Статья в формате PDF 234 KB...
29 04 2026 11:53:25
Статья в формате PDF
112 KB...
28 04 2026 19:30:31
Статья в формате PDF
210 KB...
26 04 2026 22:58:16
Статья в формате PDF
250 KB...
24 04 2026 17:16:21
Статья в формате PDF
110 KB...
23 04 2026 12:42:12
Статья в формате PDF
165 KB...
22 04 2026 8:49:25
Статья в формате PDF
160 KB...
21 04 2026 2:44:38
Статья в формате PDF
100 KB...
19 04 2026 13:14:22
Статья в формате PDF
143 KB...
17 04 2026 19:57:51
Статья в формате PDF
128 KB...
15 04 2026 5:29:41
Статья в формате PDF
121 KB...
14 04 2026 13:57:55
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 ::