Математические методы распознавания образов: Информация
Автор: Леонид Местецкий | Московский государственный университет имени М.В.Ломоносова
Форма обучения:
дистанционная
Стоимость самостоятельного обучения:
бесплатно
Доступ:
свободный
Документ об окончании:
Вам нравится? Нравится 22 студентам
Уровень:
Специалист
Длительность:
14:56:00
Студентов:
1616
Выпускников:
251
Качество курса:
4.24 | 3.92
Курс лекций сосредоточен, в основном, на математических аспектах методов распознавания.
В лекциях изложены традиционные темы, относящиеся к математическому аспекту теории распознавания:
предмет и математические задачи теории распознавания образов; классификаторы, основанные на байесовской теории решений; линейные классификаторы, оптимальная разделяющая гиперплоскость; нелинейные классификаторы, многослойный персептрон, комитетные методы, метод потенциальных функций, контекстно-зависимая классификация; методы классификации, основанные на вычислении оценок; классификация методом сравнения с эталоном; задача селекции признаков, включая меры отделимости классов и оптимальную селекцию признаков; генерация признаков на основе линейных преобразований, дискретного преобразования Фурье, преобразований Адамара и Хаара. Рассмотрена генерация признаков для анализа и распознавания изображений.
Темы: Компьютерная графика
Специальности: Математик
Теги: beta, IWR, recognition, алгоритмы, базисными векторами, выпуклая оболочка, выходной нейрон, направляющий вектор, обучение, поиск, полиэдр, пространство признаков, процедуры, разработка, сложность, собственный вектор, теория, эмпирический риск
План занятий
Занятие
Заголовок <<
Дата изучения
Лекция 1
17 минут
Задача распознавания образов
В данной лекции рассматривается постановка задачи распознавания образов. Приводятся основные определения, связанные с предметом изучения, а также практические примеры
Оглавление
-
Лекция 2
1 час
Классификация на основе байесовской теории решений
Данная лекция рассматривает классификацию на основе байесовской теории решений. Приведены основные теоремы, определения и примеры практической реализации байесовского метода
Оглавление
-
Лекция 3
33 минуты
Линейный классификатор. Алгоритм персептрона
Предметом данной лекции является рассмотрение линейного классификатора и алгоритма персептрона. Приведены основные определения и теоремы, а также практические примеры
Оглавление
-
Лекция 4
26 минут
Оптимальная разделяющая гиперплоскость
Материалами данной лекции рассматривается вопрос существования и единственности оптимальной разделяющей гиперплоскости. Приведены примеры её построения, а также основные теоремы и определения
Оглавление
-
Лекция 5
44 минуты
Нелинейный классификатор. Многослойный персептрон
В этой лекции рассматриваются нелинейный классификатор и многослойный персептрон. Приведены основные теоремы и определения, а также примеры практической реализации
Оглавление
-
Лекция 6
35 минут
Метод потенциальных функций
В данной лекции основное внимание уделено методу потенциальных функций. Приводятся примеры его применения, а также основные теоремы и определения
Оглавление
-
Лекция 7
48 минут
Комитетные методы решения задач распознавания
Теоретические и практические материалы данной лекции посвящены комитетным методам решения задач распознавания. Приведены основные определения, теоремы и примеры практической реализации
Оглавление
-
Лекция 8
23 минуты
Классификация на основе сравнения с эталоном
Главным вопросом, которому посвящена данная лекция, является рассмотрение классификации на основе сравнения с эталоном. Приводятся примеры практической реализации, основные теоремы и определения
Оглавление
-
Лекция 9
20 минут
Контекстно-зависимая классификация
В данной лекции основной акцент сделан на рассмотрение контекстно-зависимой классификации. Приведены примеры практической реализации, основные теоремы и определения
Оглавление
-
Лекция 10
1 час 2 минуты
Селекция признаков
Материалы этой лекции посвящены задаче селекции признаков. Приведены примеры практической реализации данной задачи, основные теоремы и определения
Оглавление
-
Лекция 11
1 час 3 минуты
Методы генерации признаков
В данной лекции рассматриваются методы генерации признаков. Приведены практические примеры, основные определения и теоремы
Оглавление
-
Лекция 12
33 минуты
Обучение по прецедентам (по Вапнику, Червоненкису)
Материалы данной лекции включают в себя обучение по прецедентам (по Вапнику, Червоненкису), а также основные теоремы и определения, применимые для классификаторов
Оглавление
-