Metody ekstrakcji cech w uczeniu maszynowym. Nowe trendy inżynierii cech

Код: 15026166962
Как заказать
808 грн
Цена указана с доставкой в Украину
Товар есть в наличии
КАК ЭКОНОМИТЬ НА ДОСТАВКЕ?
Заказывайте большое количество товаров у этого продавца
ВСЕ ТОВАРЫ ПРОДАВЦА №47225412
Информация
  • Время доставки: 7-10 дней
  • Состояние товара: новый
  • Доступное количество: 49

Оплачивая «Metody ekstrakcji cech w uczeniu maszynowym. Nowe trendy inżynierii cech» данное изделие из «Драмы, сценические произведения» вы можете быть уверены, что после оформления заказа, доставки в Украину, вы получите именно то, что заказывали, в оговоренные сроки и европейского качества.

Методы извлечения признаков в машинном обучении. Новые тенденции в разработке функций

  • Автор: Мариуш Топольский
  • Провайдер: Azymut
  • количество страниц: 222
  • формат: 16,5x23,5см
  • язык публикации: польский
  • дата выпуска: 21.08.2023
  • тип переплета: мягкая обложка
  • год издания: > 2023

Издатель: Выйти

EAN: 9788378371397

Извлечение – это процесс извлечения наиболее важной информации из данных, которую затем можно использовать в машинном обучении. В контексте анализа изображений извлечение признаков включает идентификацию и извлечение атрибутов, которые позволяют описывать изображения в числовом виде и обеспечивать их последующий анализ. В монографии обсуждаются как классические линейные и нелинейные методы, так и другие, основанные на вейвлетах, метаэвристике и эволюционных алгоритмах. Важным научным вкладом, представленным в монографии, являются предложения автора по методам извлечения признаков и модификации известных из литературы решений по выделению признаков.

СОДЕРЖАНИЕ

<р>1. Вход 2. Введение

<р>Я. Методы извлечения на основе главных компонентов

<р>3. Модификация метода главных компонент с учетом вращения факторов по центроидам классов 4. Применение метода стохастического градиента для оценки главных компонент. 5. Применение метода главных компонент в задаче вменения данных

II. Методы выделения признаков для временных и двумерных сигналов

<р>6. Метод оценки количества признаков и компонентов при анализе главных компонент. 7. Модель слияния стохастических градиентов и главных компонент в задаче выделения признаков изображения. 8. Применение вейвлет-преобразования и анализа независимых компонент в задаче выделения признаков сигнала

III>Применение методов проектирования признаков в задаче многокритериальной оптимизации

<р>9. Статистические методы повышения дискриминационной способности в задаче выделения признаков с точки зрения метаэвристики 10. Извлечение признаков с использованием модифицированного многокритериального генетического алгоритма. 11. Применение методов многокритериальной оптимизации для построения команд классификаторов

<р>12. Конец Библиография