Обучающиеся системы принятия решений. 1 модуль

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.