Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Книжкові видання та компакт-диски (2) | Реферативна база даних (10) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Шлезингер М$<.>) | |||
|
Загальна кількість знайдених документів : 6 Представлено документи з 1 до 6 |
|||
| 1. | 
Шлезингер М. И. Анализ алгоритмов диффузии для решения оптимизационных задач структурного распознавания [Електронний ресурс] / М. И. Шлезингер, К. В. Антонюк // Кибернетика и системный анализ. - 2011. - Т. 47, № 2. - С. 3-20. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2011_47_2_3 Виконано формальний аналіз алгоритму, відомого у структурному розпізнаванні як алгоритм дифузії, який теоретично мало досліджений. Виявлено придатність алгоритму для оптимізації функції від багатьох дискретних аргументів, поданої як сума доданків, залежних лише від двох аргументів. Доведено, що за певних умов зупинки алгоритм дає наближений розв'язок певних підкласів задач вказаного формату з довільною заздалегідь заданою ненульовою похибкою. Множина задач, що наближено розв'язується алгоритмом, містить у собі всі так звані ациклічні і супермодулярні задачі, для яких відомі алгоритми розв'язку, і деякі інші задачі, для яких алгоритми розв'язку не були відомі. | ||
| 2. | 
Шлезингер М. И. Как формулировать задачи обучения в распознавании образов [Електронний ресурс] / М. И. Шлезингер, А. В. Бондаренко // Управляющие системы и машины. - 2009. - № 1. - С. 4-19. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2009_1_3 Исследованы задачи распознавания образов в ситуации, когда статистическая модель распознаваемого объекта известна лишь частично. Выполнен критический анализ минимаксного подхода к решению таких задач и подхода, основанного на максимально правдоподобном оценивании модели по обучающей выборке. Сформулирована постановка задачи, покрывающая весь спектр ситуаций для обучающих выборок любого объема, от нулевого до бесконечного. Выполнен формальный анализ задач обучения в этой новой постановке и показано ее решение в некоторых простейших случаях. | ||
| 3. |
Шлезингер М. И. Распознавание образов как реализация определенного подкласса процессов мышления [Електронний ресурс] / М. И. Шлезингер // Управляющие системы и машины. - 2017. - № 2. - С. 20-37. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2017_2_4 Представлен обзор исследований проблемы распознавания образов, выполненных в течение последнего двадцатилетия в Международном научно-учебном центре информационных технологий и систем с момента его основания. Это - исследования на стыке классической проблемы распознавания и проблемы совместимости системы ограничений, известной как Constraint Satisfaction Problem. Система понятий, задач и алгоритмов на стыке этих направлений формализует определенный тип мыслительных процессов, осознанно или неосознанно выполняемых человеком или другими живыми существами. | ||
| 4. |
Шлезингер М. И. Поиск заданного количества решений системы размытых ограничений [Електронний ресурс] / М. И. Шлезингер, Б. Флах, Е. В. Водолазский // Кибернетика и системный анализ. - 2018. - Т. 54, № 1. - С. 67-83. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2018_54_1_7 Исследована минимаксная модификация задачи распознавания совместимости системы ограничений, когда для каждого решения определена не бинарная допустимость, а ее количественная характеристика. Описанный в статье алгоритм находит за полиномиальное время требуемое количество наилучших решений системы размытых ограничений, если эти ограничения инвариантны относительно некоторого мажоритарного оператора. Существенно, что для реализации алгоритма не требуется знания этого оператора, более того, не требуется гарантировать его существование. Для любой системы размытых ограничений алгоритм либо находит заданное количество наиболее допустимых решений, либо выдает отказ от решения задачи. Последнее возможно, только если для решаемой системы ограничений такой оператор отсутствует. | ||
| 5. | 
Гриценко В. И. Взаимосвязь проблем распознавания образов, машинного мышления и обучения [Електронний ресурс] / В. И. Гриценко, М. И. Шлезингер // Проблемы управления и информатики. - 2020. - № 3. - С. 108-136. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2020_3_11 Выполнен обзор исследований по структурному распознаванию - одному из направлений современного распознавания образов. Показано, что основная проблематика структурного распознавания выходит за рамки проблем машинного обучения, и таким образом вносится определенная умеренность в расхожее представление, что проблема распознавания полностью исчерпывается проблемой обучения. Вместе с тем показано, что базовые понятия и задачи структурного распознавания служат основой для формализации определенного класса мыслительных процессов, отличающихся от процессов обучения и названных образным мышлением. Математической основой работ по структурному распознаванию, включенных в обзор, служит классическая теория проверки непротиворечивости ограничений - одной из признанных парадигм машинного мышления. Показано, как применение этой теории к реальным задачам распознавания вызывает необходимость ее дальнейших обобщений, которые, в свою очередь, расширяют понятие машинного мышления, на формализацию которого эта теория первоначально ориентировалась. Сформулирована обобщенная задача структурного распознавания и образного мышления, частным случаем которой является классическая задача непротиворечивости ограничений. Для гиббсовой статистической модели распознаваемых объектов показано, как распознавание этих объектов сводится к тому или иному частному случаю обобщенной задачи структурного распознавания. Для более общих статистических моделей, не обязательно гиббсовых, выполнен анализ известных процедур обучения при их использовании с обучающей информацией ограниченного объема. Исследован изъян этих процедур, известный как эффект коротких выборок, показаны его причины и пути устранения. | ||
| 6. |
Шлезингер М. И. Распознавание сходства многоугольников в усиленной хаусдорфовой метрике [Електронний ресурс] / М. И. Шлезингер, Е. В. Водолазский, В. М. Яковенко // Кибернетика и системный анализ. - 2014. - Т. 50, № 3. - С. 174-187. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2014_50_3_18 Описан алгоритм распознавания сходства многоугольников в метрике Фреше. Для заданных m-угольника, n-угольника и числа <$E epsilon> алгоритм определяет, превышает ли расстояние между ними порог <$E epsilon>. Известные алгоритмы решают эту задачу за время, линейно зависящее от <$E (m~times~n)log (m~times~n)>, предлагаемый алгоритм - за время порядка (<$E m~times~n>). | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |