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...
03 05 2026 23:47:42
Статья в формате PDF
139 KB...
01 05 2026 7:25:51
Статья в формате PDF
126 KB...
30 04 2026 7:49:40
Статья в формате PDF
119 KB...
27 04 2026 7:34:10
Статья в формате PDF
125 KB...
26 04 2026 19:52:15
Статья в формате PDF
130 KB...
24 04 2026 2:58:19
Статья в формате PDF
147 KB...
23 04 2026 7:28:15
Статья в формате PDF
119 KB...
22 04 2026 14:16:52
Статья в формате PDF
125 KB...
21 04 2026 5:16:16
Статья в формате PDF
367 KB...
20 04 2026 7:16:10
Статья в формате PDF
206 KB...
19 04 2026 1:16:41
Статья в формате PDF
270 KB...
18 04 2026 8:44:48
Статья в формате PDF
207 KB...
17 04 2026 7:40:20
Исторически развитие лесной таксации происходило на основе многовекового позитивного (для лесного хозяйства, также и для леса как экологической системы) опыта взаимодействия людей с деревьями.
Исходя из биотехнического принципа в лесной таксации, показана возможность моделирования возрастных распределений лесных деревьев по сортности бревен, экспертно назначаемых таксатором на стволе растущих деревьев подеревной глазомерной таксацией.
...
16 04 2026 12:52:52
Статья в формате PDF
122 KB...
15 04 2026 16:23:14
Статья в формате PDF
109 KB...
14 04 2026 10:48:16
Статья в формате PDF
1342 KB...
13 04 2026 23:15:33
Статья в формате PDF
100 KB...
12 04 2026 13:14:10
Статья в формате PDF
111 KB...
11 04 2026 1:23:37
Статья в формате PDF
240 KB...
09 04 2026 22:11:42
Статья в формате PDF
339 KB...
08 04 2026 14:28:22
Статья в формате PDF
101 KB...
07 04 2026 20:42:26
Статья в формате PDF
301 KB...
06 04 2026 6:12:32
Статья в формате PDF
114 KB...
05 04 2026 10:57:49
Статья в формате PDF
197 KB...
04 04 2026 0:16:14
Статья в формате PDF
111 KB...
03 04 2026 8:17:24
В статье раскрываются новые знания, которые становятся стратегическим ресурсом, обеспечивают России статус великой державы и формирование упреждающей реакции на скрытые угрозы национальным интересам. Паспорта научных специальностей способствуют консолидации интеллектуальных ресурсов страны на самых актуальных направлениях исследований. Выявленные различия хаpaктеризуют определяющую роль паспорта научной специальности в резонансном взаимодействии с диссертационными работами, при наличии которого достигается соответствие предмета исследования паспорту научной специальности. Резонансное взаимодействие объекта и субъекта в научном творчестве при выполнении диссертационной работы составляет основной принцип интеллектуальной информационной технологии как инструмента научного творчества.
...
02 04 2026 23:24:13
Боль является одним из самых распространенных симптомов, встречающихся в медицинской пpaктике. Было изучено влияние фототерапии на интенсивность боли при невропатиях тройничного нерва травматического происхождения. Для лечения использовались фотонные матрицы Коробова «Барва -флекс/КИК» в сочетании с магнитной матрицей «Барва-флекс/МАГ». Ежедневно интенсивность боли оценивалась по визуальной аналоговой шкале боли. Фототерапия оказывает положительное влияние в виде сокращения интенсивности и длительности болевого синдрома.
...
01 04 2026 22:20:21
Статья в формате PDF
109 KB...
30 03 2026 16:43:37
Статья в формате PDF
155 KB...
29 03 2026 4:59:39
Статья в формате PDF
184 KB...
28 03 2026 4:25:37
Статья в формате PDF
116 KB...
27 03 2026 5:34:45
Статья в формате PDF
132 KB...
26 03 2026 13:20:37
Статья в формате PDF
112 KB...
25 03 2026 16:32:20
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 ::
