Представляем вашему вниманию подборку книг на тему математических методов распознавания образов.

Теория распознавания ообразов — раздел информатики и смежных дисциплин, развивающий основы и методы классификации и идентификации предметов, явлений, процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков. Такие задачи решаются довольно часто, например, при переходе или проезде улицы по сигналам светофора. Распознавание цвета загоревшейся лампы светофора и знание правил дорожного движения позволяет принять правильное решение о том, можно или нельзя переходить улицу.

Необходимость в таком распознавании возникает в самых разных областях — от военного дела и систем безопасности до оцифровки аналоговых сигналов.

Вашему вниманию предлагается

Федотов Н.Г. «Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа»

В книге предлагается новая теория признаков распознавания образов на основе стохастической геометрии и функционального анализа, которая позволяет формировать конструктивные признаки распознавания нового класса - триплетные признаки. Источником формирования триплетных признаков является введенное автором новое геометрическое преобразование, связанное со сканированием изображений по сложным траекториям. Построена с единых позиций объединенная теория признаков распознавания и предварительной обработки изображений, пригодная для создания мощных самонастраивающихся систем распознавания образов. Приведены примеры эффективного применения теории в области геологии, медицинской и технической диагностики, нанотехнологии, биометрии.

Мерков А.Б «Распознавание образов: Построение и обучение вероятностных моделей»

В книге рассматриваются несколько практически важных примеров решения задач статистического обучения, в которых пространства признаков и ответов и обучающие наборы устроены слишком сложно и нерегулярно, так что стандартные методы статистического обучения в них нельзя применить буквально, но можно применять после построения адекватных вероятностных моделей.

Мазуров В.Д. «Математические методы распознавания образов»

В учебном пособии излагаются основные математические модели и методы решения задач распознавания образов.

Распознавание образов - относительно новая область математической кибернетики, но она интенсивно развивается, и уже сейчас имеются многочисленные важные приложения методов распознавания буквально во всех сферах науки и техники, в том числе в экономике, технике, медицине, физике, биологии, социологии и так далее. Распознавание образов является основой искусственного интеллекта.

Местецкий Л.М. «Математические методы распознавания образов»

Курс лекций сосредоточен, в основном, на математических аспектах методов распознавания. В лекциях изложены традиционные темы, относящиеся к математическому аспекту теории распознавания: предмет и математические задачи теории распознавания образов; классификаторы, основанные на байесовской теории решений; линейные классификаторы, оптимальная разделяющая гиперплоскость; нелинейные классификаторы, многослойный персептрон, комитетные методы, метод потенциальных функций, контекстно-зависимая классификация; методы классификации, основанные на вычислении оценок; классификация методом сравнения с эталоном; задача селекции признаков, включая меры отделимости классов и оптимальную селекцию признаков; генерация признаков на основе линейных преобразований, дискретного преобразования Фурье, преобразований Адамара и Хаара. Рассмотрена генерация признаков для анализа и распознавания изображений.

Зарубежная литература

Кристофер М. Бишоп «Распознавание образов и машинное обучение»

Книга представляет собой классический учебник по распознаванию образов и машинному обучению. Он содержит подробное описание наиболее важных методов машинного обучения, основанных на байесовском подходе.

Этот современный учебник, представляющий собой всеобъемлющее введение в распознавание образов и машинное обучение. Читателям достаточно знать основы многомерного математического анализа, линейной алгебры и теории вероятностей.

Книга подходит для преподавания курсов по машинному обучению, математической статистике, компьютерным наукам и распознаванию образов.

Каждая глава сопровождается многочисленными задачами разного уровня сложности. Учебник предназначен для студентов старших курсов и аспирантов первого года обучения, а также исследователей и практиков, занимающихся распознавание образов и машинным обучением.

Этот совершенно новый учебник отражает современные достижения распознавания образов и машинного обучения и представляет собой всеобъемлющее введение в эту область.

Он предназначен для студентов старших курсов и аспирантов первого года обучения, а также исследователей и практиков. От читателей не требуется предварительных знаний в области распознавания образов и машинного обучения. Достаточно знать основы многомерного математического анализа и линейной алгебры. Опыт применения теории вероятностей желателен, но не обязателен, поскольку книга содержит самостоятельное введение в теорию вероятностей.

Книгу удобно использовать для преподавания курсов по машинному обучению, статистике, компьютерным наукам, интеллектуальному анализу данных и биоинформатике. Для удобства преподавания учебник содержит большой методический материал, включающий более чем 400 упражнений, ранжированных по сложности. Решения некоторых упражнений можно найти на веб-сайте, посвященном книге. Книга сопровождается публикацией большого объема дополнительного материала на веб-сайте, который содержит новейшую информацию.

Pedro Latorre Carmona (eds.) «Mathematical Methodologies in Pattern Recognition and Machine Learning»

Luc Devroye (eds.) «A probabilistic theory of pattern recognition»

Marleah Blom «Advances in Pattern Recognition and Artificial Intelligence»

Asit Kumar Das (eds.) «Computational Intelligence in Pattern Recognition»

Подборка книг, журналов и блогов на тему машинного обучения

https://vk.com/wall-186208863_17428

Байесовские методы и вероятностное программирование

https://vk.com/wall-186208863_19057

Источник: vk.com

Комментарии: