Пересада В.П. Автоматическое распознавание образов

ВГУЭС, 2000 - 75с. Конспект лекций рекомендуется в качестве основного методического материала по курсу "Распознавание образов" специальности "Вычисли-тельные машины, системы, комплексы и сети". Эти методические мате-риалы рассчитаны также на студентов, специализирующихся в области геоинформационных технологий, анализа сигналов, изображений и иных экспериментальных данных. В...

Таганрог: Изд-во ТТИ ЮФУ, 2009. - 155 с. Курс лекций "Математические методы распознавания образов" предназначен для студентов специальности 010500 "Прикладная математика и информатика". В работе рассмотрены основные подходы, методы и алгоритмы описания классов, нахождения решающих функций, выбора информативной системы признаков в случае малой неопределенности исходных данных...

Курс лекций. МГУ, ВМиК, кафедра "Математические методы прогнозирования". Содержание: Задача распознавания образов. Классификация на основе байесовской теории решений. Линейный классификатор. Алгоритм персептрона. оптимальная разделяющая гиперплоскость. Нелинейный классификатор. Многослойный персептрон. Метод потенциальных функций. Комитетные методы решения задач...

Пер. с англ. В.М. Баронкина, Б.А. Смиренина, Ю.С. Шинакова; Под ред. Б.Р. Левина. — М.: Советское радио, 1980. — 407 с. (изд. США, 1972) Книга посвящена важнейшим разделам теории распознавания образов. Систематически изложены адекватные математические методы, вопросы синтеза алгоритмов распознавания в условиях полной и неполной априорной информации, сокращения размерности...

Пер. с англ. — 2-е изд., испр. — М.: Вильямс, 2006. — 1104 с. — ISBN 5-8459-0890-6. В книге рассматриваются основные парадигмы искусственных нейронных сетей. Представленный материал содержит строгое математическое обоснование всех нейросетевых парадигм, иллюстрируется примерами, описанием компьютерных экспериментов, содержит множество практических задач, а также обширную...