Главная > Распознавание образов > Метод потенциальных функций в теории обучения машин
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф Следующий параграф >>
Макеты страниц

Глава VI. ПРИМЕНЕНИЕ МЕТОДА ПОТЕНЦИАЛЬНЫХ ФУНКЦИЙ К ЗАДАЧЕ АППРОКСИМАЦИИ ФУНКЦИИ ПО ЕЕ ЗНАЧЕНИЯМ В СЛУЧАЙНО ВЫБРАННЫХ ТОЧКАХ

В предыдущей главе V задача обучения машины распознаванию образом решалась в детерминистской постановке, когда области пространстве X не пересекаются, а аппроксимации подлежит какая-либо функция из множества разделяющих функций; значения функций не играют роли и существен лишь их знак в точках из

Далее, в главе VII, нам предстоит применить метод потенциальных функций к задаче обучения машины распознаванию образов в вероятностной постановке. Как уже указывалось в главе I, такая постановка задачи связана с аппроксимацией некоторых вероятностных характеристик — априорных (при байесовском подходе) или непосредственно апостериорных вероятностей. Эти вероятностные характеристики являются функциями, заданными на пространстве X, и существенными являются не только знаки, но и значения этих функций. Особенность нашей постановки такой задачи, в частности, состоит в том, что процедура, аппроксимирующая искомые функции, должна быть рекуррентной и что на каждом шаге она может использовать сведения о значении функции (или некоторую информацию, зависящую от этого значения) не на регулярно организованном множестве точек, а в точках, выбираемых случайно. В связи с этим естественно сначала рассмотреть общую задачу о построении рекуррентных процедур, аппроксимирующих функции по их значениям в случайно выбираемых точках — этой задаче и посвящена настоящая глава VI, а затем уже поставить и изучить задачу о распознавании образов в вероятностной постановке — этому вопросу посвящена следующая глава VII.

<< Предыдущий параграф Следующий параграф >>
Оглавление