| Title: | Основы статистической теории распознавания образов и машинного обучения |
| Authors: | Мясников В. В. |
| Keywords: | методы построения классификаторов минимаксный классификатор языки программирования учебные издания таксономия распознавание образов 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 |
| 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.