Обучающая выборка

Cтраница 4

В практических задачах обучающая выборка конечна и обычно сравнительно невелика. Как показано в части первой, в этих условиях восстановление зависимости возможно лишь в том случае, когда класс используемых функций заранее ограничен. При этом может оказаться, что в этом классе не будет функции, точно выражающей зависимость условного математического ожидания М ( у х) выходной величины от входных параметров. Тогда ставится задача об оптимальном приближении регрессии функцией из заданного класса. [46]

Классификационная схема систем распознавания объектов и явлений. [47]

Предусмотрен учитель - обучающая выборка, содержащая априорно выделенные объекты различных классов, и процедура обучения. В соответствии с выбранным алгоритмом обучения система вырабатывает описание классов, и ответы корректируются до тех пор, пока число ошибок при распознавании для всех классов не снизится до требуемого уровня. Следовательно, для данного класса систем количество априорной информации недостаточно, чтобы решить задачу г) непосредственно. [48]

Прогнозирующая способность как функция Z. [49]

В каждом случае обучающая выборка состояла из 300 случайно взятых образов, а оставшиеся 330 спектров рассматривались как контрольная выборка. Образы контрольной выборки классифицировали только по знаку скалярного произведения, так что любое изменение прогнозирующей способности было обусловлено иным положением решающей поверхности. Положительные категории перечислены в этой таблице, а отрицательные категории охватывали все те образы, которые не удовлетворяли рассматриваемому критерию. [50]

Для описания экземпляров обучающей выборки в Meta-DENDRAL используется тот же язык, что и для описания образцов. Каждый образец представляет собой описание определенной цельной молекулы, причем основное внимание уделяется описанию компонентов. [51]

Схема настройки нейронной сети на решение задач классификации и распознавания. [52]

Поэтому скорость обработки обучающей выборки может существенно влиять на скорость обучения нейронной сети. [53]

Рассмотрим пример задания обучающей выборки с разными типами признаков. Ниже представлена выборка описаний состояний нескольких больных, страдающих некоторым заболеванием, а также состояний людей, не страдающих этим заболеванием. [54]

В качестве экземпляра обучающей выборки укажем объект с плоским дном вогнутой формы, диаметр которого не превышает нескольких дюймов. [55]

Когда же образы обучающей выборки не поддаются статистическому описанию, следует применять непараметрическую разделяющую функцию. При выводе непараметрических разделяющих функций приходится использовать единственные имеющиеся в наличии данные - объекты самой обучающей выборки. Такой способ обучения может обеспечить надежность результатов распознавания только тогда, когда обучающая выборка содержит достаточно много объектов, чтобы ее можно считать представительной для той совокупности данных, из объектов которой она составлена. Объем обучающей выборки представляет необходимое, но не достаточное условие возможности вывода параметрических разделяющих функций путем оценки функций вероятности. [56]

Страницы: 1 2 3 4