В книге рассмотрены современные методы распознавания образов: классическая теория принятия решений (проверка простых и многоальтернативных гипотез), оценка параметров и "обучение с учителем", параметрические и непараметрические методы классификации (оценка плотности распределения, Правило ближайших соседей, линейный дискриминант Фишера), нейронные сети, генетические алгоритмы и методы имитационного моделирования. Книга предназначена для специалистов, аспирантов и студентов, изучающих современные методы цифровой обработки сигналов.
Проверка простых гипотез.
Чтобы пояснить характер задач, с которыми в дальнейшем придется иметь дело, рассмотрим следующий пример.
Допустим, что автомат по приему платежей должен классифицировать денежные купюры нескольких номиналов. Полученное в камере изображение купюры передается на выделитель признаков, назначение которого состоит в уменьшении объема данных при помощи измерения конкретных «признаков» или «свойств», отличающих вид купюр. Далее эти признаки (точнее, измеренные значения этих признаков) подаются на классификатор, предназначенный для оценки представленных данных и принятия окончательного решения относительно номинала купюры.
Другим примером задач может служить цифровая система связи, информация в которой передается путем посылки кодовых комбинаций, содержащих последовательности единиц и нулей. Задача классификатора заключается в принятии - решения определении передаваемой комбинации с минимальными ошибками.
В задачах медицинского диагноза по электрокардиограмме входная информация представлена в виде графика, по виду которого классификатор (в данном случае, как правило, врач) принимает решение о наличии или отсутствии той или иной патологии.
Приведение подобного рода примеров можно продолжать практически бесконечно: это распознавание речи, дактилоскопия, распознавание изображений самой различной природы и т. д.
Содержание.
1. Классическая теория принятия решении.
1.1. Проверка простых гипотез.
1.2. Критерии минимума среднего риска (критерии Байеса).
1.3. Многоальтернативная проверка гипотез.
2. Классификаторы, разделяющие функции и поверхности решении.
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 правдоподобия.
3.2. Байесовский классификатор.
3.3. Эффективность оценки. Нижняя граница дисперсии несмещенной оценки. Неравенство Крамера-Рао.
4. Не параметрические методы.
4.1. Оценка плотности распределения.
4.1.1. Парзеновские окна.
4.1.2. Оценка методом kn ближайших соседей.
4.2. Оценка апостериорных вероятностей. Правило ближайших соседей.
4.3. Аппроксимации путем разложения в ряд.
4.4. Линейный 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. Природа генетических алгоритмов.
6.2. Генетические алгоритмы и традиционные методы оптимизации.
6.3. Основные понятия генетических алгоритмов.
6.4. Классический генетический алгоритм.
6.5. Иллюстрация выполнения классического генетического алгоритма.
7. Методы прогнозирования.
7.1. Традиционные методы прогнозирования.
7.1.1. "Наивные" модели прогнозирования.
7.1.2. Средние и скользящие средние.
7.1.3. Методы Хольта и Брауна.
7.1.4. Метод Винтерса.
7.1.5. Регрессионные методы прогнозирования.
7.1.6. Методы Бокса-Дженкинса (ARIMA).
7.2. Нейросетевые модели бизнес-прогнозирования.
7.3. Использование многослойных персептронов.
7.4. Использование нейронных сетей с общей регрессией GRNN и GRNN-GA.
8. Обзор методов моделирования.
8.1. Имитационное моделирование.
8.2. Ситуационное моделирование.
8.3. Мультиагентный подход.
Библиографический список.
Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Основы теории принятия решений, Доросинский Л., 2014 - fileskachat.com, быстрое и бесплатное скачивание.
Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу
Скачать - pdf - Яндекс.Диск.
Дата публикации:
Теги: учебник по математике :: математика :: Доросинский
Смотрите также учебники, книги и учебные материалы:
Следующие учебники и книги:
- Графы и алгоритмы, Структуры данных, Модели вычислений, Алексеев В.Е., Таланов В.А., 2012
- Живая математика, Перельман Я.И., 2017
- Суммы квадратов
- Введение в систему математического образования, Лебедева С.В., 2013
Предыдущие статьи:
- Элементы теории графов, Домнин Л.Н., 2007
- Элементы теории графов, Теория Графов, Lazarev А., 2010
- Математические модели динамических систем, Асанов А.З., 2007
- Теория графов, Алексеев В.Е., Захарова Д.В., 2012