Отрывок: Дифференцируя по W , имеем ( ) ( ) 0 T F W X X J W M W W          . Полученное уравнение является уравнением регрессии. Восполь- зовавшись теперь процедурой Роббинса-Монро, можно получить последовательность оценок вектора коэффициентов линейного классификатора, положив 61  ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМясников В. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.coverage.spatialPythonru
dc.coverage.spatialискусственный интеллектru
dc.coverage.spatialклассификатор Байесаru
dc.coverage.spatialклассификатор Неймана-Пирсонаru
dc.coverage.spatialклассификаторы основанные на оценивании плотностей вероятностейru
dc.coverage.spatialкластеризацияru
dc.coverage.spatialлабораторные работыru
dc.coverage.spatialлинейные классификаторыru
dc.coverage.spatialмашинное обучениеru
dc.coverage.spatialметоды автоматической классификацииru
dc.coverage.spatialметоды оптимальной классификацииru
dc.coverage.spatialметоды построения классификаторовru
dc.coverage.spatialминимаксный классификаторru
dc.coverage.spatialраспознавание образовru
dc.coverage.spatialтаксономияru
dc.coverage.spatialучебные изданияru
dc.coverage.spatialязыки программированияru
dc.creatorМясников В. В.ru
dc.date.accessioned2023-07-12 09:28:58-
dc.date.available2023-07-12 09:28:58-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\537681ru
dc.identifier.citationМясников, В. В. Основы статистической теории распознавания образов и машинного обучения : практикум / В. В. Мясников ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т). - Самара : Изд-во Самар. ун-та, 2023. - 1 файл (2,7 Мб). - ISBN = 978-5-7883-1932-2. - Текст : электронныйru
dc.identifier.isbn978-5-7883-1932-2ru
dc.identifier.urihttp://repo.ssau.ru/handle/Uchebnye-izdaniya/Osnovy-statisticheskoi-teorii-raspoznavaniya-obrazov-i-mashinnogo-obucheniya-104399-
dc.description.abstractГриф.ru
dc.description.abstractИздание представляет собой сборник указаний к лабораторным работам по статистической теории распознавания образов, для каждой изкоторых приводятся описание теоретических основ, задание и список контрольных вопросов. Разделы теоретических основ содержат описания наиболее распространенных методов и алгоритмов статистической теории распознавания образов: методов оптимальной классификации (классификатор Байеса, минимаксный классификатор и классификаторНеймана-Пирсона), методов построения и настройки линейных классификаторов и классификаторов, основанных на оценивании плотностей вероятностей, а также методов автоматической классификации – кластеризации и таксономии. Настоящий практикум предназначен для обучающихся факультета информатики по направлениям 01.03.02 Прикладная математика и информатика и 10.05.03 Информационная безопасность автоматизированных систем.ru
dc.description.abstractИспользуемые программы Adobe Acrobatru
dc.description.abstractТруды сотрудников Самар. ун-та (электрон. версия)ru
dc.language.isorusru
dc.publisherИзд-во Самар. ун-таru
dc.titleОсновы статистической теории распознавания образов и машинного обученияru
dc.typeTextru
dc.subject.rugasnti28.23.15ru
dc.subject.udc004.93(075)ru
dc.textpartДифференцируя по W , имеем ( ) ( ) 0 T F W X X J W M W W          . Полученное уравнение является уравнением регрессии. Восполь- зовавшись теперь процедурой Роббинса-Монро, можно получить последовательность оценок вектора коэффициентов линейного классификатора, положив 61  ...-
Располагается в коллекциях: Учебные издания

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1932-2_2023.pdf2.8 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.