URSS.ru - Издательская группа URSS. Научная и учебная литература
Об издательстве Интернет-магазин Контакты Оптовикам и библиотекам Вакансии Пишите нам
КНИГИ НА РУССКОМ ЯЗЫКЕ


 
Вернуться в: Каталог  
Обложка Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов
Id: 117213
 

Обучение машины классификации объектов

1971. 192 с. Мягкая обложка. Букинист. Состояние: 4. .
Обращаем Ваше внимание, что книги с пометкой "Предварительный заказ!" невозможно купить сразу. Если такие книги содержатся в Вашем заказе, их цена и стоимость доставки не учитываются в общей стоимости заказа. В течение 1-3 дней по электронной почте или СМС мы уточним наличие этих книг или отсутствие возможности их приобретения и сообщим окончательную стоимость заказа.

 Аннотация

Книга в полулярной форме рассказывает об основных идеях и методах теории обучения машин распознаванию образов.

Наряду с уже достаточно известными фактами в книге излагаются последние научные результаты, такие, как методы формирования понятий, лингвистический подход к проблеме распознавания образов, гипотеза о распределении точек фиксации взора и объяснении некоторых иллюзий зрения и т. п. Много места в книге уделяется применению разработанных методов для решения прикладных задач в психологии, медицине, социологии, геологии и экономике.

Для чтения книги достаточно знания математики в объеме средней школы. Книга рассчитана на специалистов смежных областей, желающих использовать методы распознавания образов в своей работе, а также на физиологов и психологов, интересующихся моделированием физиологических процессов.


 Оглавление

Предисловие

I. ОБРАЗ

Глава первая. Понятие образа

Глава вторая. Кодирование плоских фигур. Понятие о компактном множестве

§ 1. Преобразование изображений в цифровой код

§ 2. Пространство рецепторов

§ 3. Компактные множества точек в пространстве рецепторов

§ 4. Гипотеза о компактности образов

II. ЭЛЕМЕНТАРНЫЕ АЛГОРИТМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ

Глава третья. Алгоритм секущих плоскостей

§ 1. Геометрическая иллюстрация алгоритма

§ 2. Описание алгоритма

§ 3. Результаты экспериментов

§ 4. Способы повышения надежности распознавания

Глава четвертая. Алгоритмы, основанные на методе потенциалов

§ 1. Потенциалы в пространстве рецепторов

§ 2. Потенциалы на поле рецепторов

Глава пятая. Алгоритмы персептрона

§ 1. Устройство и алгоритмы персептрона

§ 2. Функции А-элементов

§ 3. Пример

§ 4. Алгоритм персептрона с точки зрения метода потенциалов

§ 5. Узнающая машина Гамба

§ 6. Персептрон как модель мозга

III. ФОРМИРОВАНИЕ ПОНЯТИЙ. СЛОЖНЫЕ АЛГОРИТМЫ РАСПОЗНАВАНИЯ

Глава шестая. Алгоритмы объективной классификации

§ 1. Понятие объективной классификации

§ 2. Алгоритмы объективной классификации

§ 3. Автоматическая классификация арабских цифр

§ 4. Применение алгоритмов объективной классификации к естественнонаучным задачам

Глава седьмая. Формирование понятий при распознавании зрительных образов

§ 1. Лингвистический подход к распознаванию зрительных образов. Словарь для описания объектов

§ 2. Понятие о функции информативности

§ 3. Формирование «словаря фрагментов»

§ 4. Формирование «словаря мест»

§ 5. Описание объектов и образов. Алгоритмы распознавания сложных изображений

§ 6. Экспериментальная проверка алгоритмов

Глава восьмая. Некоторые особенности работы зрительного анализатора. Иллюзии зрения

§ 1. Гипотеза о расположении точек фиксации взора

§ 2. Экспериментальная проверка гипотезы

§ 3. Зрительная оценка расстояний с помощью эталона

§ 4. Геометрические иллюзии

§ 5. Некоторые замечания о работе зрительного анализатора

Глава девятая. Формирование понятий при распознавании незрительных образов

§ 1. Лингвистический подход в применении к незрительным образам

§ 2. Пространство объектов. Принцип автоматической группировки параметров

§ 3. Эксперименты с алгоритмами автоматической группировки

§ 4. Метод корреляционных плеяд

§ 5. Математическая постановка задачи о группировке параметров и выделении факторов. Алгоритмы экстремальной группировки

§ 6. Экспериментальная проверка алгоритмов экстремальной группировки

Литература

 
© URSS 2016.

Информация о Продавце