Библиотека материалов по теме выпускной работы
-
Отслеживание движений и распознавание жестов рук и тела с помощью Microsoft Kinect
Авторы: Ручкин К.А Лысенко Т.А
Описание: Целью данной работы является анализ технологии отслеживания движения и распознавания жестов рук и тела человека с помощью сенсорного контроллера Microsoft Kinect
Источник: Институт информатики и искусственого интеллекта / СУЧАСНА ІНФОРМАЦІЙНА УКРАЇНА: ІНФОРМАТИКА, ЕКОНОМІКА, ФІЛОСОФІЯ/ Секция "Системы искусственного интеллекта". — Донецк, 2011
-
О задачах фильтрации обучающих данных
Авторы: Ю. Ю. Дюличева
Описание: В статье приведен краткий обзор современных подходов к выявлению выбросов в обучающих данных; вводятся строгие понятия чистого и мажоритарного выбросов относительно модели алгоритмов обучения; установлено существование моделей алгоритмов обучения и обучающих выборок, относительно которых множество чистых выбросов непусто; доказано необходимое и достаточное условие существования пустого множества чистых выбросов, связанное с ёмкостью модели алгоритмов обучения.
Источник: Статья из сборника VII Международной научно-практической конференции «Искусственный интеллект. Интеллектуальные и многопроцессорные системы – 2006». - Крым - 2006 г., с. 65 - 69.[Перейти]
-
Гипотезы компактности в методах анализа данных
Авторы: Н. Г. Загоруйко
Описание: В статье приводится формальное описание гипотезы компактности, лежащей в основе современных алгоритмов анализа данных – таксономии, выбора информативных признаков, распознавания образов, заполнения пробелов в таблицах и прогнозирования многомерных динамических рядов.
Источник: Сибирский журнар индустриальной математики, 1998 г., с. 114 - 126. [Перейти]
-
Устойчивые интегральные индикаторы с выбором опорного множества описаний объектов
Авторы: Т. В. Казакова, В. В. Стрижов
Описание: В статье исследуется задача построения интегрального индикатора, устойчивого к изменениям множества описаний объектов.
Источник: Статья из сборника VII Международной научно-практической конференции «Искусственный интеллект. Интеллектуальные и многопроцессорные системы – 2006». - Крым, 160 - 163. [Перейти]
-
Методы формирования выборок для построения диагностических моделей по прецедентам
Авторы: С. А. Субботин
Описание: В статье описано решение актуальной задачи разработки математического обеспечения для формирования обучающих выборок. Получили дальнейшее развитие переборные и эволюционные методы комбинаторного поиска, которые модифицированы для формирования выборок путем введения разработанных критериев для отбора, цензурирования и псевдокластеризации экземпляров, что позволяет ускорить процесс формирования выборок и обеспечить их соответствие заданным критериям при ограниченном объеме.
Источник: Результаты конференции в г. Запорожье, 2010 года.[Перейти]
-
Моделирование и оптимизация робастных оценок функций по наблюдениям.
Авторы: Е. С. Кирик
Описание: В работе рассматривается цензорный подход к построению и оптимизации робастных функций по наблюдениям и «ремонту» данных. В качестве модели восстанавливаемой неизвестной зависимости принимается непараметрическая оценка регресси. С целью оптимизации полученнной оценки предлагается критерий качества «очистки» выборки.
Источник: Институт вычислительного моделирования СО РАН, Красноярск, 351 - 372 с. [Перейти]
-
Мера сходства компактности, информативности и однородности обучающей выборки.
Авторы: К. В. Воронцов, А. А. Ивахненко, А. С. Инякин
Описание: В статье рассказывается о системе полигон, который предназначен для массового выполнения типовых экспериментов по тестированию алгоритмов классификации на модельных и реальных данных. В отличие от существующих систем такого типа. Полигон является Интернет-ресурсом, имеет централизованное хранилище задач и результатов тестирования
Источник: Москва, Вычислительный Центр РАН, ЗАО Форексис [Перейти]
-
Полигон распределённая система для эмпирического анализа задач и алгоритмов классификации.
Авторы: И. А. Борисова, В. В. Дюбанов, Н. Г. Загоруйко
Описание: В статье описывается, как с помощью функции конкурентного сходства (FRiS- функции) можно оценивать сходство между объектами и образами, получать количественные меры компактности образов, информативности признакового пространства и однородности обучающей выборки.
Источник: Новосибирский государственный университет, труды всероссийской конференции "Знания-Онтологии-Теории"
(ЗОНТ-09), 1 - 4 с. [Перейти]