Дополнительная литература

1. Шибзухов З.М. Конструктивные методы обучения нейронных сетей. - М.: Наука, 2006. - 159 с.

2. Журавлев Ю. И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. – М.: Фазис, 2005. - 159 с.

3. Лбов Г.С., Бериков В.Б. Устойчивость решающих функций в задачах распознавания образов и анализа разнотипной информации. - Новосибирск: Изд-во ИМ СО РАН, 2005. - 220 с.

4. Горелик А.Л. Методы распознавания. Учебное пособие. - М.: Высш. шк., 2004.- 274 с.

5. Рубан А.И. Методы анализа данных: Учебное пособие, 2–е изд. – Красноярск: ИПЦ КГТУ, 2004 – 319 с.

6. Головченко В.Б. Комбинирование моделей неопределённости. – Новосибирск: Наука, 2002. – 190с.

7. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. – Новосибирск: Изд-во Ин-та математики, 1999. – 270с.

8. Журавлёв, Ю.И. Избранные научные труды / Ю.И. Журавлёв. – М.: Издательство Магистр, 1998. – 420 с.

9. Растригин Л.А. Адаптация сложных систем.- Рига: Зинатне, 1982. - 375 с.

10. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. - М.: наука, 1974. - 414 с.

Контрольные вопросы

1. Привести постановки задач применения алгоритмов распознавания образов при исследования медико-биологических, экологических и технических систем.

2. Записать критерии оптимальности байесовских алгоритмов распознавания образов.

3. Получить непараметрические оценки байесовских решающих функций, используя оценку типа Розенблатта-Парзена.

4. Получить непараметрические оценки решающих функций, соответствующие критериям максимального правдоподобия и максимума апостериорной вероятности, используя интегральную либо регрессионную оценку плотности вероятности.

5. Как осуществляется оптимизация непараметрической решающей функции?

6. Основная идея метода дихотомии в многоальтернативной задаче распознавания образов.

7. Методика построения непараметрических алгоритмов распознавания образов коллективного типа.

8. Выбор опорных точек при построении непараметрических алгоритмов распознавания образов коллективного типа.

9. Принцип формирования непараметрического решающего правила, основанного на оценках плотностей вероятности признаков классифицируемых объектов.

10. Методика оптимизации непараметрических решающих правил в задаче распознавания образов, основанных на оценках плотностей вероятности.

11. Синтез частотного алгоритма распознавания образов в пространстве независимых и зависимых дискретных признаков.

12. Построение многоуровневых алгоритмов распознавания образов.

13. Условия применения многоуровневых алгоритмов распознавания образов.

14. Преимущества многоуровневых алгоритмов распознавания образов по сравнению с традиционными методами классификации, основанными на прямой обработке информации.

15. Методика дополнительного учёта взаимосвязи между признаками классифицируемых объектов при синтезе непараметрических алгоритмов распознавания образов.

16. Условия применения нелинейных непараметрических коллективов решающих правил в задачах распознавания образов и их преимущества.

17. Методика построения гибридных алгоритмов распознавания образов при различных уровнях априорной информации и особенностях обучающей выборки.

18. Синтез коллектива непараметрических алгоритмов распознавания образов, основанных на рандомизированном методе их оптимизации.

19. Синтез статистических алгоритмов распознавания образов в условиях неоднородных обучающих выборок.

20. Методика построения непараметрических алгоритмов классификации множеств случайных величин.