Лапко А.В., Лапко В.А., Соколов М.И., Молоков В.В., Шерстяных А.К.,
Шарков М.А., Лапко О.А.
Наглядное пособие.- Красноярск: СФУ, 2007. - 234 слайда. Введение.
Введение в курс лекций.
Обучение в системах принятия решений.
Статистические оценки плотности вероятности.
Интегральная оценка плотности вероятности и ядерная оценка с переменным параметром сглаживания.
Непараметрическая оценка плотности вероятности при больших и малых выборках.
Оценивание смеси плотностей вероятности и Оптимизация непараметрических оценок плотности вероятности по параметру размытости.
Оптимизация непараметрических оценок плотности вероятности по виду ядерных функций и построение доверительных областей для непараметрической оценки плотности вероятности.
Постановки задач распознавания образов при неполной информации.
Непараметрические алгоритмы обучения распознаванию образов.
Распознавание образов при неполной информации об указаниях «учителя» и оптимизация непараметрических алгоритмов распознавания образов.
Метод потенциальных функций и метод группового учета аргументов в задаче распознавания образов.
Минимизация описания в задаче распознавания образов.
Непараметрические методы автоматической классификации (типизация методов и их характеристика, методы k - ближайших соседей и смешанных распределений, принцип взаимного поглощения).
Синтез и анализ непараметрических алгоритмов автоматической классификации.
Методы автоматической классификации разнотипных данных и данных ограниченного объёма.
Обучающиеся модели статических объектов и систем (проблемы исследования и классификация моделей типа «черный ящик», непараметрическая оценка кривой регрессии, оценивание регрессии методом генерации выборок).
Обучающиеся модели статических объектов и систем (метод локальной аппроксимации в задаче оценивания зависимостей, построение непараметрической регрессии на основе ортогональных разложений и непараметрических моделей методом комплексирования аналогов).
Обучающиеся модели статических объектов и систем (непараметрическая оценка регрессии в условиях больших выборок, самообучающиеся модели стохастических зависимостей, гибридные модели).
Обучающиеся модели многосвязных статических систем.
Коллективы решающих правил (принципы коллективного оценивания в задачах исследования систем).
Непараметрические модели стохастических зависимостей коллективного типа.
Непараметрические коллективы решающих правил в задачах распознавания образов.
Нелинейные непараметрические коллективы решающих правил (коллективы в задачах восстановления стохастических зависимостей).
Нелинейные непараметрические коллективы решающих правил (коллективы в задачах распознавания образов).
Оптимизация непараметрических моделей коллективного типа.
Наглядное пособие.- Красноярск: СФУ, 2007. - 234 слайда. Введение.
Введение в курс лекций.
Обучение в системах принятия решений.
Статистические оценки плотности вероятности.
Интегральная оценка плотности вероятности и ядерная оценка с переменным параметром сглаживания.
Непараметрическая оценка плотности вероятности при больших и малых выборках.
Оценивание смеси плотностей вероятности и Оптимизация непараметрических оценок плотности вероятности по параметру размытости.
Оптимизация непараметрических оценок плотности вероятности по виду ядерных функций и построение доверительных областей для непараметрической оценки плотности вероятности.
Постановки задач распознавания образов при неполной информации.
Непараметрические алгоритмы обучения распознаванию образов.
Распознавание образов при неполной информации об указаниях «учителя» и оптимизация непараметрических алгоритмов распознавания образов.
Метод потенциальных функций и метод группового учета аргументов в задаче распознавания образов.
Минимизация описания в задаче распознавания образов.
Непараметрические методы автоматической классификации (типизация методов и их характеристика, методы k - ближайших соседей и смешанных распределений, принцип взаимного поглощения).
Синтез и анализ непараметрических алгоритмов автоматической классификации.
Методы автоматической классификации разнотипных данных и данных ограниченного объёма.
Обучающиеся модели статических объектов и систем (проблемы исследования и классификация моделей типа «черный ящик», непараметрическая оценка кривой регрессии, оценивание регрессии методом генерации выборок).
Обучающиеся модели статических объектов и систем (метод локальной аппроксимации в задаче оценивания зависимостей, построение непараметрической регрессии на основе ортогональных разложений и непараметрических моделей методом комплексирования аналогов).
Обучающиеся модели статических объектов и систем (непараметрическая оценка регрессии в условиях больших выборок, самообучающиеся модели стохастических зависимостей, гибридные модели).
Обучающиеся модели многосвязных статических систем.
Коллективы решающих правил (принципы коллективного оценивания в задачах исследования систем).
Непараметрические модели стохастических зависимостей коллективного типа.
Непараметрические коллективы решающих правил в задачах распознавания образов.
Нелинейные непараметрические коллективы решающих правил (коллективы в задачах восстановления стохастических зависимостей).
Нелинейные непараметрические коллективы решающих правил (коллективы в задачах распознавания образов).
Оптимизация непараметрических моделей коллективного типа.