Campagne de collecte 15 septembre 2024 – 1 octobre 2024 C'est quoi, la collecte de fonds?

Распознавание. Математические методы. Программная система....

Main
Computers - Cybernetics
Распознавание. Математические методы....

Распознавание. Математические методы. Программная система. Практические применения

Журавлев Ю.И., Рязанов В.В., Сенько О.В.

0 / 0

Avez-vous aimé ce livre?

Quelle est la qualité du fichier téléchargé?

Veuillez télécharger le livre pour apprécier sa qualité

Quelle est la qualité des fichiers téléchargés?

В настоящей монографии представлено современное состояние в области практических методов распознавания, классификации и анализа данных, и приведено краткое описание программной системы , включающей основные подходы.

Catégories:

Computers - Cybernetics

Année:

2005

Langue:

russian

Pages:

159

Fichier:

DOC, 5.18 MB

IPFS:

,

russian, 2005

Télécharger (doc, 5.18 MB)

La conversion en est effectuée

La conversion en a échoué

Cela peut vous intéresser

Ковалева, И. Л.Мархель, Т. А.Федосова, Л. В. — Распознавание объектов с использованием эталонов

Горелик А.Л., Гуревич И.Б., Скрипкин В.А. — Современное состояние проблемы распознавания

Гуревич И.Б.(сост.) — Современные проблемы кибернетики. Сборник

Верхаген К., и др.(Verhagen) — Распознавание образов: состояние и перспективы

Гладилин П.Е., Боченина К.О. — Технологии машинного обучения.

Журавлёв Ю. — Алгоритмы вычисления оценок и их применение

Гладилин П. Е., Боченина К. О. — Технологии машинного обучения: Учебно-методическое пособие

Сорокин А. Б., Железняк Л. М. — Технологии обучения: кластеризация и классификация: Практикум

Верхаген К. и др. — Распознавание образов: состояние и перспективы

— Сборник. Распознавание. Классификация. Прогноз

Растригин Л.А., Эренштейн Р.Х — Метод коллективного распознавания

— Современные проблемы кибернетики

Чабан Людмила Николаевна — Теория и алгоритмы распознавания образов. Учебное пособие

Лиховидов В.Н. — Практический курс распознавания образов

Чабан Л.Н. — Теория и алгоритмы распознавания образов. Учебное пособие

Воронцов К.В. — Математические методы обучения по прецедентам

Воронцов К.В. — Теория надежности обучения по прецедентам

Потапов А.С., Щербаков О.В., Жданов И.Н. — Технологии искусственного интеллекта: Учебно-методическое пособие по лабораторному практикуму

Воронцов К.В., Инякин А.С., Лисица А.В. — Система эмпирического измерения качества алгоритмов классификации

Симанков В.С., Луценко Е.В. — Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание)

Бочкарёва Л.В., Кирейцев М.В. — Методы и алгоритмы принятия решений Учебно-методическое пособие

Игнатьев Н.А. — Интеллектуальный анализ данных на базе непараметрических методов классификации и разделения выборок объектов поверхностями

Верхаген К., Дёйн Р. и др. — Распознавание образов состояние и перспективы

Богатырев Л.Л. — Диагностика аварийных состояний электроэнергетических систем

Воронцов К.В. — Лекции по алгоритмам кластеризации и многомерного шкалирования

Журавлев Ю.И., Камилов М.М., Туляганов Ш.Е. — Алгоритмы вычисления оценок и их применение

Воронцов К.В. — Теория надёжности обучения по прецедентам

Воронцов К.В. — Математические методы обучения по прецедентам (теория обучения машин)

Колесникова С. И. — Научный семинар «Распознавание образов»

Ковалева, И. Л. — Распознавание объектов с использованием эталонов

Степанова, М. Д. — Математические методы диагностики в медицинских интеллектуальных системах: учебно-метод. пособие по курсу "Приклад. интеллект. системы и системы принятия решений" для студентов специальности Т 10.04.00 "Искусств. интеллект"

Бочкарёва, Л. В. — Методы и алгоритмы принятия решений : учебно-метод. пособие для студентов специальности «Програм. обеспечение информ. технологий» всех форм обучения

Ту Дж., Гонсалес Р. — Принципы распознавания образов

Воронцов К.В. — Лекции по алгоритмическим композициям

Гиршов Е. — Алгоритмы кластеризации

Mots Clefs

распознавания

объектов

признаков

алгоритмов

обучения

классификации

алгоритмы

распознавание

алгоритма

значения

обучающей

алгоритм

значений

качестве

признака

кластеризации

кластеров

множества

множество

различных

являются

прогноза

точность

описаний

наиболее

результаты