Последовательные методы в распознавании образов и обучении машин

Фу К. Последовательные методы в распознавании образов и обучении машин. 1968 г.

В книге в простой и доступной для широкого круга читателей форме излагается применение последовательных методов теории статистических решений и теории оценок к задачам распознавания образов и обучения машин. Книга снабжена большим числом примеров. Математические приложения и относительно простой математический аппарат делают книгу доступной лицам, обладающим математической подготовкой в объеме втуза.

ОТ РЕДАКТОРОВ РУССКОГО ПЕРЕВОДА
ГЛАВА 1. ВВЕДЕНИЕ
1.1. Распознавание образов
1.2. Методы детерминистской классификации
1.3. Обучение в линейных классификаторах
1.4. Методы статистической классификации
1.5. Последовательная решающая модель для классификации образов
1.6. Обучение в системах последовательного распознавания образов
1.7. Заключение
ГЛАВА 2. ОТБОР И УПОРЯДОЧЕНИЕ ПРИЗНАКОВ
2.1. Отбор и упорядочение признаков (теоретико-информационный подход)
2.2. Отбор и упорядочение признаков — разложение Карунена — Лоэва
2.3. Иллюстрирующие примеры
2.4. Заключение
ГЛАВА 3. ПРЯМАЯ ПРОЦЕДУРА ДЛЯ КОНЕЧНОЙ ПОСЛЕДОВАТЕЛЬНОЙ КЛАССИФИКАЦИИ, ИСПОЛЬЗУЮЩАЯ МОДИФИЦИРОВАННЫЙ ПОСЛЕДОВАТЕЛЬНЫЙ КРИТЕРИЙ ОТНОШЕНИЯ ВЕРОЯТНОСТЕЙ
3.2. Модифицированный последовательный критерий отношения вероятностей — дискретный случай
3.3. Модифицированный последовательный критерий отношения вероятностей — непрерывный случай
3.4. Процедура модифицированного обобщенного последовательного критерия отношения вероятностей
3.5. Эксперименты по классификации образов
3.6. Заключение
ГЛАВА 4. ОБРАТНАЯ ПРОЦЕДУРА КОНЕЧНОГО ПОСЛЕДОВАТЕЛЬНОГО РАСПОЗНАВАНИЯ С ПОМОЩЬЮ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ
4.2. Математическая формулировка и основное функциональное уравнение
4.3. Уменьшение объема вычислений
4.4. Эксперименты по классификации образов
4.5. Обратная процедура упорядочения признаков и классификации образов
4.6. Эксперименты по упорядочению признаков и по классификации образов
4.7. Применение динамического программирования для отбора подмножества признаков
4.8. Квазиоптимальное последовательное распознавание образов
4.9. Заключение
ГЛАВА 5. НЕПАРАМЕТРИЧЕСКАЯ ПРОЦЕДУРА ПОСЛЕДОВАТЕЛЬНОЙ КЛАССИФИКАЦИИ ОБРАЗОВ
5.2. Последовательные ранги и процедура определения последовательных рангов
5.3. Задача о последовательном испытании двух выборок
5.4. Непараметрические последовательные классификаторы образов
5.5. Анализ оптимального качества и обобщение на случай нескольких классов
5.6. Экспериментальные результаты и обсуждение
5.7. Заключение
ГЛАВА 6. БАЙЕСОВО ОБУЧЕНИЕ В СИСТЕМАХ ПОСЛЕДОВАТЕЛЬНОГО РАСПОЗНАВАНИЯ ОБРАЗОВ
6.1. Обучение с поощрением на основе байесовых методов оценки
6.2. Обучение без поощрения на основе байесовых методов оценки
6.3. Байесово обучение при медленно изменяющихся образах
6.4. Оценка параметров на основе эмпирического байесова метода
6.5. Общая модель для байесовых обучающихся систем
6.6. Заключение
ГЛАВА 7. ОБУЧЕНИЕ В СИСТЕМАХ ПОСЛЕДОВАТЕЛЬНОГО РАСПОЗНАВАНИЯ НА ОСНОВЕ СТОХАСТИЧЕСКОЙ АППРОКСИМАЦИИ
7.1. Обучение с поощрением с помощью стохастической аппроксимации
7.2. Обучение без поощрения с помощью стохастической аппроксимации
7.3. Общая формулировка обучения без поощрения на основе стохастической аппроксимации
7.4. Оценка медленно меняющихся со временем параметров с помощью динамической стохастической аппроксимации
7.5. Заключение
ПРИЛОЖЕНИЕ А. ВВЕДЕНИЕ В ПОСЛЕДОВАТЕЛЬНЫЙ АНАЛИЗ
2. Байесова последовательная решающая процедура
ПРИЛОЖЕНИЕ В. ОПТИМАЛЬНЫЕ СВОЙСТВА ОБОБЩЕННОГО РАЗЛОЖЕНИЯ КАРУНЕНА – ЛОЭВА
ПРИЛОЖЕНИЕ С. СВОЙСТВА МОДИФИЦИРОВАННОГО П. К. О. В.
ПРИЛОЖЕНИЕ D. ПОДСЧЕТ НЕСКОЛЬКИХ КОМБИНАЦИЙ ВЕЛИЧИН kj И ВЫВОД ФОРМУЛЫ ДЛЯ ЧИСЛА ТАБЛИЦ, НЕОБХОДИМЫХ ПРИ ВЫЧИСЛЕНИИ ФУНКЦИЙ РИСКА
ПРИЛОЖЕНИЕ Е. ВЫЧИСЛЕНИЯ, НЕОБХОДИМЫЕ ДЛЯ ЭКСПЕРИМЕНТОВ ПО УПОРЯДОЧЕНИЮ ПРИЗНАКОВ И КЛАССИФИКАЦИИ ОБРАЗОВ С ПОМОЩЬЮ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ
ПРИЛОЖЕНИЕ F. СТОХАСТИЧЕСКАЯ АППРОКСИМАЦИЯ — КРАТКИЙ ОБЗОР
2. Процедура Кифера-Вольфовица для оценки экстремума неизвестной функции регрессии
3. Обобщенная процедура Дворецкого
4. Методы ускорения сходимости
5. Динамическая стохастическая аппроксимация
ПРИЛОЖЕНИЕ G. МЕТОД ПОТЕНЦИАЛЬНЫХ ФУНКЦИЙ ИЛИ ВОСПРОИЗВОДИМЫХ ЯДЕР

Последовательные методы в распознавании образов и обучении машин

Оглавление