t.me/OB4UHHUKOB Отправить другу/подруге по почте ссылку на эту страницуВариант этой страницы для печатиНапишите нам!Карта сайта!Помощь. Как совершить покупку…
московское время17.04.21 23:07:56
На обложку
Путешествие к семи церквам, упоминаемым в Апокалипсисеавторы — Норов А. С.
Квадратурные формулы. — 2-е изд.авторы — Никольский С. М.
Исследования по истории физики и механики. 2005авторы — Идлис Г. М., ред.
б у к и н и с т и ч е с к и й   с а й т
Новинки«Лучшие»Доставка и ОплатаМой КнигоПроводО сайте
Книжная Труба   поиск по словам из названия
Авторский каталог
Каталог издательств
Каталог серий
Моя Корзина
Только цены
Рыбалка
Наука и Техника
Математика
Физика
Радиоэлектроника. Электротехника
Инженерное дело
Химия
Геология
Экология
Биология
Зоология
Ботаника
Медицина
Промышленность
Металлургия
Горное дело
Сельское хозяйство
Транспорт
Архитектура. Строительство
Военная мысль
История
Персоны
Археология
Археография
Восток
Политика
Геополитика
Экономика
Реклама. Маркетинг
Философия
Религия
Социология
Психология. Педагогика
Законодательство. Право
Филология. Словари
Этнология
ИТ-книги
O'REILLY
Дизайнеру
Дом, семья, быт
Детям!
Здоровье
Искусство. Культурология
Синематограф
Альбомы
Литературоведение
Театр
Музыка
КнигоВедение
Литературные памятники
Современные тексты
Худ. литература
NoN Fiction
Природа
Путешествия
Эзотерика
Пурга
Спорт

/Наука и Техника/Математика

Математическая теория обучаемых опознающих систем — Фомин В. Н.
Математическая теория обучаемых опознающих систем
Фомин В. Н.
год издания — 1976, кол-во страниц — 236, тираж — 4760, язык — русский, тип обложки — мягк., масса книги — 260 гр., издательство — ЛГУ
цена: 500.00 рубПоложить эту книгу в корзину
Сохранность книги — удовл., чернильное пятно на обл., владельческие пометки в тексте простым карандашом

Формат 60x90 1/16. Бумага типографская №3
ключевые слова — обучаем, опознающ, обучен, распозн, образов, самообучен, адаптац, кибернетик, адаптив, конечно-сход, персептрон, мартингал, поиск, байес

В книге описываются многочисленные результаты, полученные советскими и зарубежными авторами при изучении различных аспектов теории обучения распознаванию образов. Наряду с постановкой задачи обучения подробно излагаются методы её решения. Особое внимание уделено исследованию сходимости рекуррентных процедур обучения, самообучения и адаптации. В работе нашли отражение основные подходы к задаче обучения.

Книга рассчитана на научных работников, занятых в области теоретической и технической кибернетики. Кроме того, она может служить учебным пособием для студентов и аспирантов, специализирующихся по теории обучаемых и адаптивных систем.


В монографии последовательно излагается подход к задаче распознавания образов, получивший в литературе название экстраполяционного (геометрического). В рамках этого подхода могут быть выделены четыре темы, составившие основное содержание данной работы.

Первая тема — теория конечно-сходящихся алгоритмов, успешно разрабатываемая группой сотрудников Ленинградского университета под руководством В. А. Якубовича.

Вторая тема — статистические методы в теории обучаемых систем — содержит краткое описание методов, на которых основано значительное большинство работ по распознаванию образов. В книге эта тема занимает сравнительно скромное место, поскольку, во-первых, в настоящее время имеются хорошие книги, посвящённые статистическим методам в теории распознавания, и, во-вторых, теория распознавания образов, по глубокому убеждению автора, содержит (или должна содержать) нечто, отличающееся от математической статистики. В рамках второй темы видное место занимают замечательные исследования В. Н. Вапника и А. Я. Червоненкиса по методам обучения с помощью минимизации эмпирического риска.

Третья тема — методы стохастической аппроксимации — основана на работах Я. 3. Цыпкина по теории обучения и адаптации, написанных всегда ярко и увлекательно, и на фундаментальных исследованиях по теории рекуррентных стохастических процедур обучения, результаты которых изложены в известной книге М. А. Айзермана, Э. М. Бравермана, Л. И. Розоноэра — создателей метода потенциальных функций.

Четвёртая тема — обучение без учителя — посвящена описанию некоторых подходов, предложенных упомянутыми выше авторами к этой интересной проблеме.

Книга содержит также Дополнение, в котором рассмотрен ряд задач адаптивного управления в постановке, допускающей решение на основе метода конечно-сходящихся алгоритмов.

Выбор материала определялся вкусами автора, но автор надеется, что основные методы и направления современной теории обучаемых опознающих систем нашли в книге своё отражение.

В указатель литературы вошли в основном работы, оказавшие влияние на формирование взглядов автора на существо теории распознавания и обучения. К сожалению, невозможно даже перечислить всех авторов, посвятивших свои научные исследования проблемам обучения, самообучения и адаптации. Сравнительно более подробно представлены работы участников научного семинара кафедры теоретической кибернетики Ленинградского университета. Основной текст книги не содержит ссылок на конкретные работы. Необходимые пояснения даются в комментариях, помещённых в конце книги.

В работах по распознаванию образов обычно рассматриваются и конкретные приложения для предлагаемых методов. В данной книге таких приложений нет. Это объясняется её направленностью — дать математические основы методов, используемых в теории обучения и адаптации; конкретные примеры использования методов можно найти в работах, приведённых в указателе литературы.

В связи с тем, что основу книги составил курс лекций, читаемых автором студентам математико-механического факультета Ленинградского университета, специализирующимся в области теоретической кибернетики, она может быть использована как учебное пособие, поэтому в конце каждой главы приведены упражнения. Для понимания первых трёх глав и Дополнения достаточно знания высшей математики в объёме курсов втуза, для усвоения же остального материала требуется хорошее знание теории вероятностей в объёме курсов читаемых на математических факультетах университетов. Формально все используемые понятия и факты приведены в гл. 4, однако свободное владение этим материалом требует достаточно высокой математической культуры…

ПРЕДИСЛОВИЕ

ОГЛАВЛЕНИЕ

Предисловие3
Основные условные обозначения5
 
Введение8
 
§ В.1. Физиологические модели восприятия и персептрон Ф. Розенблатта9
§ В.2. Терминология и обозначения14
§ В.З. Степень априорной информации о классах изображений18
 
Часть первая. МЕТОД КОНЕЧНО-СХОДЯЩИХСЯ АЛГОРИТМОВ
 
Г л а в а  1.  Детерминированные обучаемые опознающие системы21
 
§ 1.1. Задача об экстраполяции функции
§ 1.2. Рекуррентные алгоритмы обучения23
§ 1.3. Среднеквадратичное приближние27
 
Г л а в а  2.  Алгоритмы обучения с поощрением34
 
§ 2.1. Основная теорема
§ 2.2. Частные случаи основной теоремы36
§ 2.3. Доказательство основной теоремы43
§ 2.4. Замечания к основной теореме46
§ 2.5. Применение основной теоремы к задаче построения обучаемых
опознающих систем49
§ 2.6. Алгоритм «наилучшего» разделения выпуклых оболочек двух
множеств51
§ 2.7. Алгоритм разделения выпуклых множеств, заданных
на единичном кубе56
 
Г л а в а  3.  Нелинейная разделимость классов изображений60
 
§ 3.1. Переход в спрямляющее пространство61
§ 3.2. Полнота пороговых функций63
§ 3.3. Понятие о комитете неравенств65
§ 3.4. Рекуррентные процедуры построения комитета неравенств69
 
Г л а в а  4.  Некоторые сведения из теории вероятностей74
 
§ 4.1. Основная теоретико-вероятностная схема
§ 4.2. Сходимость последовательностей случайных величин77
§ 4.3. Теорема Радона-Никодима78
§ 4.4. Независимые события и случайные величины79
§ 4.5. Условные математические ожидания и вероятности
§ 4.6. Теорема Дж. Л. Дуба о сходимости супермартингалов81
§ 4.7. Теорема П. Леви (обобщение закона «нуль или единица» Бореля)83
 
Г л а в а  5.  Стохастические аналоги конечно-сходящихся алгоритмов86
 
§ 5.1. Конечно-сходящиеся алгоритмы в случае стохастически
независимой тренировочной последовательности
§ 5.2. Стохастический вариант основной теоремы о сходимости
алгоритмов обучения с поощрением88
§ 5.3. Правило останова процесса обучения91
§ 5.4. Стохастические аналоги рекуррентных процедур построения
комитетов неравенств94
§ 5.5. Алгоритмы обучения с поощрением и случайный поиск99
§ 5.6. О многослойных персептронах101
 
Часть вторая. ОСНОВЫ СТАТИСТИЧЕСКОЙ ТЕОРИИ
ОБУЧАЕМЫХ ОПОЗНАЮЩИХ СИСТЕМ
 
Г л а в а  6.  Вероятностная постановка задачи о построении
обучаемой опознающей системы104
 
§ 6.1. Распознавание образов как задача теории статистических решений
§ 6.2. Пример на использование статистических методов108
§ 6.3. Понятие о последовательном критерии отношения вероятностей
Вальда111
§ 6.4. Оптимальные (байесовы) критерии в многоальтернативной задаче
распознавания117
 
Г л а в а  7.  Методы обучения, основанные на минимизации
эмпирического риска121
 
§ 7.1. Решающее правило и эмпирический риск123
§ 7.2. Конечный класс решающих правил125
§ 7.3. Понятие о функции роста126
§ 7.4. Достаточные условия равномерной сходимости129
§ 7.5. Применение теоремы о равномерной сходимости (по вероятности)
в теории обучаемых опознающих систем132
§ 7.6. Об упорядочении класса решающих правил135
 
Часть третья. МЕТОД СТОХАСТИЧЕСКОЙ АППРОКСИМАЦИИ
 
Г л а в а  8.  Процедура Роббинса-Монро137
 
§ 8.1. Постановка задачи138
§ 8.2. Условие сходимости процедуры Роббинса-Монро141
§ 8.3. Оценка скорости сходимости процедуры Роббинса-Монро148
§ 8.4. Псевдоградиентные процедуры стохастической аппроксимации150
 
Г л а в а  9.  Метод потенциальных функций в теории обучаемых систем156
 
§ 9.1. Идея метода и общая рекуррентная процедура157
§ 9.2. Функционалы, экстремизируемые процедурами метода
потенциальных функций160
§ 9.3. Обучение распознаванию изображений (детерминированная
постановка задачи)162
§ 9.4. О сходимости процедур метода потенциальных функций163
§ 9.5. Вероятностная постановка задачи обучения165
§ 9.6. Восстановление плотности вероятности167
§ 9.7. Непосредственная аппроксимация степени достоверности170
 
Часть четвёртая. САМООБУЧЕНИЕ
 
Г л а в а  10.  Общая постановка задачи о самообучении174
 
§ 10.1. Свойства функционала среднего риска в задаче о самообучении
§ 10.2. Рекуррентные процедуры самообучения179
§ 10.3. Теоремы о сходимости алгоритмов самообучения и идея
их доказательства181
§ 10.4. Доказательство теоремы о сходимости процедуры самообучения184
§ 10.5. Модификация алгоритма самообучения187
 
Дополнение. СИНТЕЗ АЛГОРИТМОВ АДАПТИВНОГО УПРАВЛЕНИЯ
 
§ Д.1. Постановка задачи об адаптивном управлении191
§ Д.2. Задача об адаптивной стабилизации линейного объекта управления195
§ Д.З. Алгоритмы функциональной идентификации объекта управления201
§ Д.4. Принцип исключения в задаче о синтезе адаптивного регулятора203
§ Д.5. Примеры использования принципа исключения205
§ Д.6. Задача об адаптивном управлении манипулятором209
§ Д.7. Общая постановка задачи об адаптивном управлении212
 
Комментарии218
Указатель литературы224

Книги на ту же тему

  1. Статистические методы поиска, Растригин Л. А., 1968
  2. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
  3. Последовательные методы в распознавании образов и обучении машин, Фу К., 1971
  4. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
  5. Адаптация и обучение в автоматических системах, Цыпкин Я. З., 1968
  6. Голографическое опознавание образов, Василенко Г. И., 1977
  7. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
  8. Анализ информационно-поисковых систем, Мидоу Ч. Т., 1970
  9. Неадаптивное и адаптивное управление манипуляционными роботами, Вукобратович М., Стокич Д., Кирчански Н., 1989
  10. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  11. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
  12. Техническая кибернетика. Учебник для радиотехнических вузов, Гитис Э. И., Данилович Г. А., Самойленко В. И., 1969
  13. Основы кибернетики, Джордж Ф., 1984

Напишите нам!© 1913—2013
КнигоПровод.Ru
Рейтинг@Mail.ru btd.kinetix.ru работаем на движке KINETIX :)
elapsed time 0.029 secработаем на движке KINETIX :)