Основы статистической теории распознавания образов. Лабораторный практикум » MIRLIB.RU - ТВОЯ БИБЛИОТЕКА
Регистрация
Learning Modern C++ for Finance: Foundations for Quantitative Programming (Final Release) Learning Modern C++ for Finance: Foundations for Quantitative Programming (Final Release) Adobe Elements For Beginners - 20th Edition 2024 Adobe Elements For Beginners - 20th Edition 2024 «Пізнаємо світ разом»: Тварини і рослини «Пізнаємо світ разом»: Тварини і рослини Learning Python: Powerful Object-Oriented Programming, 6th Edition (Early Release) Learning Python: Powerful Object-Oriented Programming, 6th Edition (Early Release) Git: контроль версий, 3-е издание Git: контроль версий, 3-е издание Общая химия в задачах и тестах Общая химия в задачах и тестах Python for AI: Applying Machine Learning in Everyday Projects Python for AI: Applying Machine Learning in Everyday Projects Machine Learning in Multimedia: Unlocking the Power of Visual and Auditory Intelligence Machine Learning in Multimedia: Unlocking the Power of Visual and Auditory Intelligence Основы высшей математики (1994) Основы высшей математики (1994) Артиллерийское вооружение: учебник : в 3 частях. Ч. 1. Минометы Артиллерийское вооружение: учебник : в 3 частях. Ч. 1. Минометы Анимация кадр за кадром Анимация кадр за кадром Краткий словарь когнитивных терминов Краткий словарь когнитивных терминов Морские узлы в обиходе Морские узлы в обиходе Building User-Friendly DSLs (Final) Building User-Friendly DSLs (Final) Beginning ChatGPT for Python: Build Intelligent Applications with OpenAI API Beginning ChatGPT for Python: Build Intelligent Applications with OpenAI API Перші кроки до школи Перші кроки до школи
Learning Modern C++ for Finance: Foundations for Quantitative Programming (Final Release) Learning Modern C++ for Finance: Foundations for Quantitative Programming (Final Release) Adobe Elements For Beginners - 20th Edition 2024 Adobe Elements For Beginners - 20th Edition 2024 «Пізнаємо світ разом»: Тварини і рослини «Пізнаємо світ разом»: Тварини і рослини Learning Python: Powerful Object-Oriented Programming, 6th Edition (Early Release) Learning Python: Powerful Object-Oriented Programming, 6th Edition (Early Release) Git: контроль версий, 3-е издание Git: контроль версий, 3-е издание Общая химия в задачах и тестах Общая химия в задачах и тестах Python for AI: Applying Machine Learning in Everyday Projects Python for AI: Applying Machine Learning in Everyday Projects Machine Learning in Multimedia: Unlocking the Power of Visual and Auditory Intelligence Machine Learning in Multimedia: Unlocking the Power of Visual and Auditory Intelligence Основы высшей математики (1994) Основы высшей математики (1994) Артиллерийское вооружение: учебник : в 3 частях. Ч. 1. Минометы Артиллерийское вооружение: учебник : в 3 частях. Ч. 1. Минометы Анимация кадр за кадром Анимация кадр за кадром Краткий словарь когнитивных терминов Краткий словарь когнитивных терминов Морские узлы в обиходе Морские узлы в обиходе Building User-Friendly DSLs (Final) Building User-Friendly DSLs (Final) Beginning ChatGPT for Python: Build Intelligent Applications with OpenAI API Beginning ChatGPT for Python: Build Intelligent Applications with OpenAI API Перші кроки до школи Перші кроки до школи
Категория: КНИГИ » УЧЕБНАЯ ЛИТЕРАТУРА
Основы статистической теории распознавания образов. Лабораторный практикум
Добавил: gusnat / 29-09-2023, 06:49 /
Основы статистической теории распознавания образов. Лабораторный практикум
Название: Основы статистической теории распознавания образов. Лабораторный практикум: учебное пособие
Автор: Мясников В.В.
Издательство: Самара: Изд-во Самар. гос. аэрокосм, ун-та
Год: 2007
Страниц: 80
Формат: djvu
Размер: 22,7 Мб
Язык: Русский

Целью лабораторного практикума является изучение теоретических основ и экспериментальное исследование методов построения классификаторов, соответствующих оптимальным стратегиям принятия решений; подготовка экспериментального материала для решения задач распознавания образов, получение навыков работы в среде MathCad; изучение теоретических основ и экспериментальное исследование методов построения линейных классификаторов для распознавания образов; изучение теоретических основ и экспериментальное исследование методов автоматической классификации. В этом сборнике методических указаний к лабораторным работам по статистической теории распознавания образов для каждой работы приводятся описание теоретических основ, задание и список контрольных вопросов. Разделы теоретических основ содержат описания наиболее распространенных методов и алгоритмов статистической теории распознавания образов: методов оптимальной классификации (классификатор Байеса, минимаксный классификатор и классификатор Неймана-Пирсона), методов построения и настройки линейных классификаторов, методов автоматической классификации - кластеризации и таксономии. Учебное пособие предназначено для студентов факультета информатики, обучающихся по специальности "Прикладная математика и информатика".


ОТСУТСТВУЕТ ССЫЛКА/ НЕ РАБОЧАЯ ССЫЛКА ЕСТЬ РЕШЕНИЕ, ПИШИМ СЮДА!





[related-news]

Похожие публикации

    {related-news}
[/related-news]
Комментарии 0
Комментариев пока нет. Стань первым!