Информационно-экстремальный метод классификации наблюдений с категориальными признаками
Рассмотрен алгоритм информационно-экстремального машинного обучения, основанный на адаптивном кодировании разнотипных первичных признаков распознавания и оптимизации геометрических параметров разбиения пространства вторичных (унифицированных) признаков на классы эквивалентности в процессе итерацион...
Збережено в:
| Опубліковано в: : | Кибернетика и системный анализ |
|---|---|
| Дата: | 2016 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2016
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/131411 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Информационно-экстремальный метод классификации наблюдений с категориальными признаками / А.С. Довбыш, В.В. Москаленко, А.С. Рыжова // Кибернетика и системный анализ. — 2016. — Т. 52, № 2. — С. 56-63. — Бібліогр.: 14 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Резюме: | Рассмотрен алгоритм информационно-экстремального машинного обучения, основанный на адаптивном кодировании разнотипных первичных признаков распознавания и оптимизации геометрических параметров разбиения пространства вторичных (унифицированных) признаков на классы эквивалентности в процессе итерационного приближения глобального максимума информационного критерия к его граничному значению.
Розглянуто алгоритм інформаційно-екстремального машинного навчання, що базується на адаптивному кодуванні різнотипних первинних ознак розпізнавання та оптимізації геометричних параметрів розбиття простору вторинних (уніфікованих) ознак на класи еквівалентності в процесі ітераційного наближення глобального максимуму інформаційного критерію до його граничного значення.
We propose an algorithm of information-extreme machine learning based on adaptive coding of different types of primary features of recognition and optimization of geometrical parameters of secondary feature space partition into equivalence classes during iterative approximation of the global maximum of information criterion to its maximum limit value.
|
|---|---|
| ISSN: | 0023-1274 |