Запропоновано новий підхід до редукції вхідної інформації, який полягає в зведенні багатомірної задачі до одномірної.Обговорено питання знаходження найкращих одно- та багатовимірної лінійних моделей для коротких виборок результатів вимірювання з порівняно невеликим числом хибних вимірів. На конкретному прикладі показано, що метод найменших модулів дозволяє знайти більш адекватні для процесу моделі, ніж метод найменших квадратів.Описано один з можливих підходів до оптимізації розв'язання задач навчання розпізнаванню образів у разі візуалізації його результатів на базі методу опорних векторів.Описано один з можливих підходів до розв'язку багатовимірних задач навчання розпізнаванню образів, який полягає у зведенні багатовимірної задачі до одновимірної.Описано новий підхід до розв'язання задач класифікації за умов неповноти інформації, при якому вирішальне правило будується за принципом подібності розпізнавальних об'єктів. В основі підходу лежить його формування за допомогою генеральної узагальненої змінної.Предложен один из возможных подходов к решению некоторых статистических задач обучения распознаванию образов при неполных наблюдениях, учитывающий особенности построения алгоритмов обучения и оптимизации построения разделяющей гиперплоскости, а также оценку качества полученного результата.Рассмотрен новый эвристический подход к решению некорректно поставленных задач идентификации физических объектов при разведочном анализе данных. Показано, что для априори известного характера изменения функции отклика возможен объективный синтез мультипликативных обобщенных переменных, позволяющий свести некорректную задачу к корректной с сохранением ее физической сущности.

  Повний текст PDF - 326.373 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"