| Title: | Основы статистической теории распознавания образов и машинного обучения |
| Authors: | Мясников В. В. |
| Keywords: | Python искусственный интеллект классификатор Байеса классификатор Неймана-Пирсона классификаторы основанные на оценивании плотностей вероятностей кластеризация лабораторные работы линейные классификаторы машинное обучение методы автоматической классификации методы оптимальной классификации методы построения классификаторов минимаксный классификатор распознавание образов таксономия учебные издания языки программирования |
| Issue Date: | 2023 |
| Publisher: | Изд-во Самар. ун-та |
| Citation: | Мясников, 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 : электронный |
| Abstract: | Гриф. Издание 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. Используемые программы Adobe Acrobat Труды сотрудников Самар. ун-та (электрон. версия) |
| URI: | http://repo.ssau.ru/jspui/handle/123456789/57659 |
| ISBN: | 978-5-7883-1932-2 |
| Appears in Collections: | Учебные издания |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 978-5-7883-1932-2_2023.pdf | 2.8 MB | Adobe PDF | View/Open |
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.