Как формулировать задачи обучения в распознавании образов
Исследованы задачи распознавания образов в ситуации, когда статистическая модель распознаваемого объекта известна лишь частично. Выполнен критический анализ минимаксного подхода к решению таких задач и подхода, основанного на максимально правдоподобном оценивании модели по обучающей выборке. Сформул...
Gespeichert in:
| Datum: | 2009 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
2009
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/5541 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Как формулировать задачи обучения в распознавании образов / М.И. Шлезингер, А.В. Бондаренко // Управляющие системы и машины. — 2009. — № 1. — С. 4-19. — Бібліогр.: 8 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-5541 |
|---|---|
| record_format |
dspace |
| spelling |
Шлезингер, М.И. Бондаренко, А.В. 2010-01-26T11:29:09Z 2010-01-26T11:29:09Z 2009 Как формулировать задачи обучения в распознавании образов / М.И. Шлезингер, А.В. Бондаренко // Управляющие системы и машины. — 2009. — № 1. — С. 4-19. — Бібліогр.: 8 назв. — рос. 0130-5395 https://nasplib.isofts.kiev.ua/handle/123456789/5541 004.93’1: 519.157 Исследованы задачи распознавания образов в ситуации, когда статистическая модель распознаваемого объекта известна лишь частично. Выполнен критический анализ минимаксного подхода к решению таких задач и подхода, основанного на максимально правдоподобном оценивании модели по обучающей выборке. Сформулирована постановка задачи, покрывающая весь спектр ситуаций для обучающих выборок любого объема, от нулевого до бесконечного. Выполнен формальный анализ задач обучения в этой новой постановке и показано ее решение в некоторых простейших случаях. Досліджено задачі розпізнавання образів у ситуації, коли статистична модель розпізнаваного об’єекта відома лише частково. Виконано критичний аналіз мінімаксного підходу до розв’язання таких задач та підходу, заснованого на максимально правдоподібному оцінюванні моделі за навчальною вибіркою. Сформульовано постановку задачі, яка покриває весь спектр ситуацій для навчальних вибірок будь-якого об’єму, від нульового до безкінечного. Виконано формальний аналіз задач навчання у цій новій постановці та показано її розв’язання у деяких найпростіших випадках. Pattern recognition problems are considered for a case when a statistical model of an object is not completely known. A minimax approach to solution of such problems is critically analyzed as well as an approach based on the maximal likelihood model estimation with respect to given training multiset. The suggested formulation of the recognition learning problem embraces a whole spectrum of situations for training sets of an arbitrary size: from zero to infinite ones. Main formal properties of the suggested problem formulation are analyzed and its solution in several simplest cases is shown. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Фундаментальные и прикладные проблемы Computer Science Как формулировать задачи обучения в распознавании образов How Pattern Recognition and Learning Problems Should be Formulated Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Как формулировать задачи обучения в распознавании образов |
| spellingShingle |
Как формулировать задачи обучения в распознавании образов Шлезингер, М.И. Бондаренко, А.В. Фундаментальные и прикладные проблемы Computer Science |
| title_short |
Как формулировать задачи обучения в распознавании образов |
| title_full |
Как формулировать задачи обучения в распознавании образов |
| title_fullStr |
Как формулировать задачи обучения в распознавании образов |
| title_full_unstemmed |
Как формулировать задачи обучения в распознавании образов |
| title_sort |
как формулировать задачи обучения в распознавании образов |
| author |
Шлезингер, М.И. Бондаренко, А.В. |
| author_facet |
Шлезингер, М.И. Бондаренко, А.В. |
| topic |
Фундаментальные и прикладные проблемы Computer Science |
| topic_facet |
Фундаментальные и прикладные проблемы Computer Science |
| publishDate |
2009 |
| language |
Russian |
| publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України |
| format |
Article |
| title_alt |
How Pattern Recognition and Learning Problems Should be Formulated |
| description |
Исследованы задачи распознавания образов в ситуации, когда статистическая модель распознаваемого объекта известна лишь частично. Выполнен критический анализ минимаксного подхода к решению таких задач и подхода, основанного на максимально правдоподобном оценивании модели по обучающей выборке. Сформулирована постановка задачи, покрывающая весь спектр ситуаций для обучающих выборок любого объема, от нулевого до бесконечного. Выполнен формальный анализ задач обучения в этой новой постановке и показано ее решение в некоторых простейших случаях.
Досліджено задачі розпізнавання образів у ситуації, коли статистична модель розпізнаваного об’єекта відома лише частково. Виконано критичний аналіз мінімаксного підходу до розв’язання таких задач та підходу, заснованого на максимально правдоподібному оцінюванні моделі за навчальною вибіркою. Сформульовано постановку задачі, яка покриває весь спектр ситуацій для навчальних вибірок будь-якого об’єму, від нульового до безкінечного. Виконано формальний аналіз задач навчання у цій новій постановці та показано її розв’язання у деяких найпростіших випадках.
Pattern recognition problems are considered for a case when a statistical model of an object is not completely known. A minimax approach to solution of such problems is critically analyzed as well as an approach based on the maximal likelihood model estimation with respect to given training multiset. The suggested formulation of the recognition learning problem embraces a whole spectrum of situations for training sets of an arbitrary size: from zero to infinite ones. Main formal properties of the suggested problem formulation are analyzed and its solution in several simplest cases is shown.
|
| issn |
0130-5395 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/5541 |
| citation_txt |
Как формулировать задачи обучения в распознавании образов / М.И. Шлезингер, А.В. Бондаренко // Управляющие системы и машины. — 2009. — № 1. — С. 4-19. — Бібліогр.: 8 назв. — рос. |
| work_keys_str_mv |
AT šlezingermi kakformulirovatʹzadačiobučeniâvraspoznavaniiobrazov AT bondarenkoav kakformulirovatʹzadačiobučeniâvraspoznavaniiobrazov AT šlezingermi howpatternrecognitionandlearningproblemsshouldbeformulated AT bondarenkoav howpatternrecognitionandlearningproblemsshouldbeformulated |
| first_indexed |
2025-12-07T13:39:38Z |
| last_indexed |
2025-12-07T13:39:38Z |
| _version_ |
1850856993537916928 |