Cтраница 2
В задачах распознавания образов и классификации для решения вопроса, будут ли два объекта X и Y эквивалентными, стандартной является следующая процедура. [16]
В задачах распознавания образов обычно оперируют большим числом признаков. Эти признаки безусловно взаимозависимы. Но тогда наличие в граф-схеме отдельных, а не разветвляющихся путей для последних переменных таблицы является не особенным случаем, а правилом. Может быть, этим фактом и объясняется эффективность простого правила доопределения, по которому получают нуль-куст. [17]
В задачах распознавания образов наиболее часто встречаются два вида условных плотностей вероятности. Они различаются типами событий, от которых зависит случайный вектор. [18]
В задачах распознавания образов X - некоторое представление образа ( изображение, вектор), Y - номер класса, к которому принадлежит входной образ. [19]
При решении задач распознавания образов применяются параметрические и непараметрические критерии и алгоритмы. [20]
При решении задач распознавания образов или классификации объектов по группам могут использоваться различные адаптационные модели. Применение методов диагностирования на основе этих моделей открывает широкие перспективы для решения задач классификации залежей нефти и газа по их типу, запасам, а таже нефте - и газоотдаче. Такая классификация облегчает решение многих проблем, имеющих большое значение для разведки и разработки нефтяных и газовых месторождений. [21]
Рассмотрим сначала задачу распознавания образов. [22]
Очевидно, что задачи распознавания образов нет необходимости рассматривать вне пределов классов изоморфных структур. Частичный характер, однако, может иметь не только морфизм отношений, но и морфизм структур. В частности, задачи распознавания, связанные с автоматическим считыванием букв английского и русского алфавита, можно формально представить посредством частично изоморфных структур, так как отношения, характеризующие печатные буквы А, В, С, Е, Н, в обоих случаях одинаковы. [23]
В отличие от задачи распознавания образов, в задачах восстановления регрессии или интерпретации результатов косвенных экспериментов существование абсолютной оценки величины потерь - факт далеко не тривиальный. Чаще оказывается, что абсолютной оценки не существует. Такая ситуация возникает уже при восстановлении линейной регрессии. [24]
В отличие от задачи распознавания образов, в задаче восстановления регрессии или интерпретации результатов косвенных экспериментов существование абсолютной оценки величины потерь факт далеко не тривиальный. Чаще оказывается, что абсолютной оценки не существует. Такая ситуация возникает уже при восстановлении линейной регрессии. [25]
Применительно к нефтеотдаче задача распознавания образов Щем виде может быть сформулирована следующим образом. [26]
Современные методы решения задач распознавания образов и автоматической классификации, как правило, могут быть реализованы лишь с использованием ЭВМ. Для того чтобы обратить внимание читателя на особенности реализации тех или иных алгоритмов на ЭВМ, в книге даны задания на составление программ по каждому разделу и тестовые материалы для их проверки. Все это позволяет использовать книгу как учебное пособив при подготовке специалистов в области технической кибернетики. [27]
В различных постановках задач распознавания образов входная информация представляет собой некоторую последовательность объектов из одного и того же класса. Хорошо известно, что класс можно описать с большей уверенностью, если мы наблюдаем последовательность объектов, а не один объект. Поэтому глава 3 включает также последовательную проверку гипотез. [28]
Современные методы решения задач распознавания образов и автоматической классификации, как правило, могут быть реализованы лишь с использованием ЭВМ. Для того чтобы обратить внимание читателя на особенности реализации тех или иных алгоритмов на ЭВМ, в книге даны задания на составление программ по каждому разделу и тестовые материалы для их проверки. Все это позволяет использовать книгу как учебное пособив при подготовке специалистов в области технической кибернетики. [29]
В различных постановках задач распознавания образов входная информация представляет собой некоторую последовательность объектов из одного и того же класса. Хорошо известно, что класс можно описать с большей уверенностью, если мы наблюдаем последовательность объектов, а не один объект. Поэтому глава 3 включает также последовательную проверку гипотез. [30]