Алгоритмы выбора моделей и построения коллективных решений в задачах классификации, основанные на принципе устойчивости

Этот товар закончился.

Описание и характеристики

В настоящей книге излагаются современные методы решения задач классификации и основные проблемы, возникающие при их применении на практике. Большое внимание уделено методам и алгоритмам, описание которых трудно найти в русскоязычной литературе. Подробно рассмотрены так называемые ядровые методы решения задач классификации и восстановления регрессии, а также методы объединения различных классификаторов. Основной упор сделан на применение тех или иных понятий устойчивости получаемого решения. Часть результатов, изложенных в работе, получена авторами. Данная книга будет полезна студентам и аспирантам, занимающимся распознаванием образов, а также может представлять интерес для специалистов в области машинного обучения по прецедентам.
ID товара 2103657
Издательство КомКнига
Год издания
ISBN 5-484-00920-0, 978-5-484-00920-6
Количество страниц 112
Размер 0.8x14.5x21.5
Тип обложки Мягкий переплёт
Тираж 500
Вес, г 119

Отзывы

15 бонусов

за полезный отзыв длиной от 300 символов

15 бонусов

если купили в интернет-магазине «Читай-город»

Полные правила начисления бонусов за отзывы
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
В настоящей книге излагаются современные методы решения задач классификации и основные проблемы, возникающие при их применении на практике. Большое внимание уделено методам и алгоритмам, описание которых трудно найти в русскоязычной литературе. Подробно рассмотрены так называемые ядровые методы решения задач классификации и восстановления регрессии, а также методы объединения различных классификаторов. Основной упор сделан на применение тех или иных понятий устойчивости получаемого решения. Часть результатов, изложенных в работе, получена авторами. Данная книга будет полезна студентам и аспирантам, занимающимся распознаванием образов, а также может представлять интерес для специалистов в области машинного обучения по прецедентам.