| Азербайджан |
Инспектор
Вы можете этот курс.
Опубликован: 30.04.2008 | Уровень: специалист | Доступ: платный | ВУЗ: Московский государственный университет имени М.В.Ломоносова
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.
Цель: Целями курса являются изучение слушателями математических основ распознавания образов, расширение представлений о методологии построения систем искусственного интеллекта и приобретение навыков разработки вычислительных алгоритмов для решения задач распознавания.
План занятий
| Занятие | Заголовок << | Дата изучения |
|---|---|---|
| - | ||
Лекция 117 минут | Задача распознавания образов
В данной лекции рассматривается постановка задачи распознавания образов. Приводятся основные определения, связанные с предметом изучения, а также практические примеры
Оглавление | - |
Тест 136 минут | - | |
Лекция 21 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 | - |
Тест 236 минут | - | |
Лекция 333 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 | - |
Тест 336 минут | - | |
Лекция 426 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 | - |
Тест 436 минут | - | |
Лекция 544 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 | - |
Тест 536 минут | - | |
Лекция 635 минут | Метод потенциальных функций
В данной лекции основное внимание уделено методу потенциальных функций. Приводятся примеры его применения, а также основные теоремы и определения
Оглавление | - |
Тест 636 минут | - | |
Лекция 748 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 | - |
Тест 736 минут | - | |
Лекция 823 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 | - |
Тест 836 минут | - | |
Лекция 920 минут | Контекстно-зависимая классификация
В данной лекции основной акцент сделан на рассмотрение контекстно-зависимой классификации. Приведены примеры практической реализации, основные теоремы и определения
Оглавление | - |
Тест 936 минут | - | |
Лекция 101 час 2 минуты | Селекция признаков
Материалы этой лекции посвящены задаче селекции признаков. Приведены примеры практической реализации данной задачи, основные теоремы и определения
Оглавление | - |
Тест 1036 минут | - | |
Лекция 111 час 3 минуты | Методы генерации признаков
В данной лекции рассматриваются методы генерации признаков. Приведены практические примеры, основные определения и теоремы
Оглавление | - |
Тест 1136 минут | - | |
Лекция 1233 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 | - |
Тест 1236 минут | - | |
5 часов | - |
