1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 01. Учебные материалы
  3. Учебные издания
Full metadata record
DC FieldValueLanguage
dc.contributor.authorМясников В. В.
dc.coverage.spatialPython
dc.coverage.spatialискусственный интеллект
dc.coverage.spatialклассификатор Байеса
dc.coverage.spatialклассификатор Неймана-Пирсона
dc.coverage.spatialклассификаторы основанные на оценивании плотностей вероятностей
dc.coverage.spatialкластеризация
dc.coverage.spatialлабораторные работы
dc.coverage.spatialлинейные классификаторы
dc.coverage.spatialмашинное обучение
dc.coverage.spatialметоды автоматической классификации
dc.coverage.spatialметоды оптимальной классификации
dc.coverage.spatialметоды построения классификаторов
dc.coverage.spatialминимаксный классификатор
dc.coverage.spatialраспознавание образов
dc.coverage.spatialтаксономия
dc.coverage.spatialучебные издания
dc.coverage.spatialязыки программирования
dc.creatorМясников В. В.
dc.date2023
dc.date.accessioned2025-11-28T05:51:08Z-
dc.date.available2025-11-28T05:51:08Z-
dc.date.issued2023
dc.identifier.identifierRU\НТБ СГАУ\537681
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 : электронный
dc.identifier.isbn978-5-7883-1932-2
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/57659-
dc.description.abstractГриф.
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.
dc.description.abstractИспользуемые программы Adobe Acrobat
dc.description.abstractТруды сотрудников Самар. ун-та (электрон. версия)
dc.languagerus
dc.publisherИзд-во Самар. ун-та
dc.subjectPython
dc.subjectискусственный интеллект
dc.subjectклассификатор Байеса
dc.subjectклассификатор Неймана-Пирсона
dc.subjectклассификаторы основанные на оценивании плотностей вероятностей
dc.subjectкластеризация
dc.subjectлабораторные работы
dc.subjectлинейные классификаторы
dc.subjectмашинное обучение
dc.subjectметоды автоматической классификации
dc.subjectметоды оптимальной классификации
dc.subjectметоды построения классификаторов
dc.subjectминимаксный классификатор
dc.subjectраспознавание образов
dc.subjectтаксономия
dc.subjectучебные издания
dc.subjectязыки программирования
dc.subject.rugasnti28.23.15
dc.subject.udc004.93(075)
dc.titleОсновы статистической теории распознавания образов и машинного обучения
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.identifier.oldurihttp://repo.ssau.ru/handle/Uchebnye-izdaniya/Osnovy-statisticheskoi-teorii-raspoznavaniya-obrazov-i-mashinnogo-obucheniya-104399
local.identifier.oldurihttp://repo.ssau.ru/handle/Uchebnye-izdaniya/Osnovy-statisticheskoi-teorii-raspoznavaniya-obrazov-i-mashinnogo-obucheniya-104399
Appears in Collections:Учебные издания

Files in This Item:
File SizeFormat 
978-5-7883-1932-2_2023.pdf2.8 MBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.