Линейная разделяющая функция

Cтраница 1

Разделение в пространстве признаков ( а и дополненном пространстве признаков ( б. [1]

Линейная разделяющая функция в дополненном пространстве признаков имеет простой геометрический смысл f ( х) кх п, где h - проекции вектора х на направление весового вектора К, что вытекает из смысла скалярного произведения. [2]

Линейные разделяющие функции наиболее удобны с точки зрения аналитического исследования. [3]

Используются квадратичные и линейные разделяющие функции, непараметрические методы, правила ближайшего соседа, оптимизация по критерию ошибки, иерархическое разделение, а также адаптивные разделяющие функции. [4]

В силу того что линейные разделяющие функции чрезвычайно удобны для аналитического исследования, им было посвящено значительно больше работ, чем они того заслуживают. Поэтому приведенный ниже обширный список литературы на эту тему ни в коей мере нельзя считать исчерпывающим. Он же сформулировал задачу отыскания оптимальной ( в смысле минимального риска) линейной разделяющей функции и предложил возможные процедуры градиентного спуска 1), позволяющие получить искомое решение. К сожалению, об этих процедурах почти ничего нельзя сказать, не имея сведений об исходных распределениях, но даже при наличии последних аналитическое исследование оказывается чрезвычайно сложным ( ср. [5]

В случае совместной нормировки линейная разделяющая функция, минимизирующая среднеквадратичную ошибку между требуемым и действительным выходом, определяется корреляцией между требуемым выходом и У. Это справедливо для любого распределения. [6]

Различные алгоритмы для отыскания линейных разделяющих функций, описанные в данной главе, сведены в табл. 5.1. Естественно спросить, какой же из этих алгоритмов является наилучшим. [7]

Таким образом, коэффициенты линейной разделяющей функции определяются через коэффициент корреляции между требуемыми выходами и входными величинами Xj. Этот вывод совпадает с выводом, сделанным ранее для обычных линейных разделяющих функций. Следует, однако, заметить, что для би-ларных входных величин условие UUT - N1 выполняется без дополнительного преобразования автоматически. [8]

Классификатор, основанный на использовании линейных разделяющих функций, называется линейной машиной. [9]

Рассмотрим пример работы алгоритма построения линейной разделяющей функции. В табл. 12.10 дана обучающая выборка - объекты, принадлежащие двум классам. [10]

Чтобы осуществить диагностику с помощью линейной разделяющей функции, достаточно знать компоненты весового вектора. [11]

В рассматриваемой задаче удобно использовать линейную разделяющую функцию, минимизирующую вероятность ошибки, коэффициенты которой определяются решением оптимальной задачи, зависящей от одного параметра. [12]

Согласно Нильсону ( 1965), линейные разделяющие функции для случая двоичных независимых переменных ( и многомерных, распределенных по закону Бернулли) получены Дж. Если не требовать независимости переменных, то даже для случая бинарных переменных понадобятся полиномы более высоких степеней. [13]

Вычислительный процесс значительно упрощается при использовании линейных разделяющих функций, и классификатор определенной структуры представляется наиболее подходящим средством для реализации в качестве машины специального назначения. [14]

Линейная граница областей решений. [15]

Страницы: 1 2 3 4