Zaawansowane wyszukiwanie
  Strona Główna » Sklep » Algorytmy Wzorce UML » Sztuczna inteligencja » Moje Konto  |  Zawartość Koszyka  |  Do Kasy   
 Wybierz kategorię
Algorytmy Wzorce UML
  Algorytmy
  Deep Learning Uczenie maszynowe
  Inżynieria oprogramowania
  Scrum
  Sztuczna inteligencja
  Techniki programowania
  Wyrażenia regularne
  Wzorce projektowe
  Zarządzanie projektami
Bazy danych
Bezpieczeństwo
Bioinformatyka
Biznes Ekonomia Firma
Chemia
DTP Design
E-biznes
Ekonometria
Elektronika Elektrotechnika
Energetyka
Fizyka
GIS
Grafika użytkowa
Hardware
Informatyczne systemy zarządzania
Informatyka w szkole
Języki programowania
Matematyka
Multimedia
Obsługa komputera
Office
Poradniki
Programowanie gier
Programy inżynierskie
Programy matematyczne
Słowniki
Serwery
Sieci komputerowe
Systemy operacyjne
Technika
Telekomunikacja
Tworzenie stron WWW

Zobacz pełny katalog »
 Wydawnictwo:
 APN Promise
Nowoczesna Java w działaniu Wyrażenia lambda, strumienie, programowanie funkcyjne i reaktywne

Nowoczesna Java w działaniu Wyrażenia lambda, strumienie, programowanie funkcyjne i reaktywne

126.00zł
100.80zł
Metody automatycznego rozpoznawania wzorców Wydanie 2 29.40zł
Metody automatycznego rozpoznawania wzorców Wydanie 2

Autor: Włodzimierz Kwiatkowski

ISBN: 978-83-89968-75-3

Ilość stron: 210

Data wydania: 2007 (wydanie 2)

Przedstawiono metody automatycznego rozpoznawania wzorców znajdujące zastosowanie zwłaszcza w zadaniach rozpoznawania obrazów, rozpoznawania mowy i rozpoznawania mówcy.

Szczegółowo omówiono zastosowanie sztucznych sieci neuronowych jako klasyfikatorów. Przedstawiono m.in budowę preceptoru, regułę uczenia Widrowa-Hoffa i metodę wstecznej propagacji błędów.

Uzyskiwane w sztucznych sieciach neuronowych rozwiązania porównano z rozwiązaniami bazującymi na metodach bayesowskich, metodzie największej wiarygodności oraz idei klasyfikacji i grupowania minimalnoodległościowego.

Oddzielną część książki poświęcono problemom rozpoznawania na podstawie modeli układów generujących obserwowane sygnały. Do tej grupy zagadnień należy tworzenie przestrzeni cech złożonej ze współczynników LPC, a także budowa ukrytych modeli Markowa.

Rozdziały:

I. Sztuczne sieci neuronowe
1. Poznanie a rozpoznanie
2. Proste zadanie klasyfikacji
3. Perceptron Rosenblatta
4. Zadanie aproksymacji liniowej
5. Rekurencyjne rozwiązywanie zadania aproksymacji
6. Metoda gradientowa
7. Reguła uczenia Widrowa-Hoffa
8. Sieć Madaline komputeks.pl
9. Zadanie aproksymacji liniowo
10. Klasy sygnałów niesparowane liniowo
11. Metoda wstecznej propagacji błędów
12. Sieci SVM

II. Metody Bayesowskie
13. Rozkład a priori, rozkład o posteriori
14. Decyzje bayesowskie, decyzje minimaksowe
15. Bayesowskie funkcje decyzyjne
16. Minimaksowe funkcje decyzyjne
17. Wiarygodność

III. Korelacja cech
18. Współczynnik korelacji
19. Przekształcenie Karhunena-Loeve'a
20. Klasyfikacja minimalnoodległościowa
21. Grupowanie minimalnoodległościowe
22. Współczynniki LPC

IV. Ukryte modele Markowa
23. Łańcuchy Markowa
24. Ukryte łańcuchy Markowa
25. Problem ewaluacji HMM
26. Segmentacja na podstawie HMM
27. Uczenie HMM

Metody automatycznego rozpoznawania wzorców Wydanie 2
--- Pozycja niedostępna.---
Klienci, którzy kupili „Metody automatycznego rozpoznawania wzorców Wydanie 2”, kupili także:

Metody i narzędzia eksploracji danych, Stanisław Osowski, Wydawnictwo BTC

Metody i modele eksploracji danych, Daniel T. Larose, Wydawnictwo Naukowe PWN

Odkrywanie wiedzy z danych Wprowadzenie do eksploracji danych, Daniel T. Larose, Wydawnictwo Naukowe PWN

Eksploracja danych Metody i algorytmy, Tadeusz Morzy, Wydawnictwo Naukowe PWN

Obliczenia inteligentne, szybkie przekształcenia i klasyfikatory, Piotr S. Szczepaniak, Wydawnictwo EXIT

Wstęp do informatyki kwantowej, Michel Le Bellac, Wydawnictwo Naukowe PWN

czwartek, 28 marca 2024   Mapa strony |  Nowości |  Dzisiejsze promocje |  Koszty wysyłki |  Kontakt z nami