Шпаргалка на экзамен по дисциплине МРО "Методы распознавания
образов"
Днепропетровск, 2015 год
Днепропетровский Национальный Университет (ДНУ) имени Олеся Гончара Факультет ФЭКС 5 курс
28 вопросов
Вопросы:
Постановка задачи распознавания. Основные определения и понятия.
Линейные решающие правила. Методы эталонов.
Метод ближайших соседей. Метод потенциальных функций.
Структурные (лингвистические) методы.
Кластерный анализ.
Критерии информативности и отбор признаков.
Способы измерения расстояний между векторами признаков.
Нейронные сети. Элементы, архитектура.
Персептрон. Алгоритм обучения.
Базовые математические задачи, решаемые нейронными сетями.
Алгоритмы обучения одного нейрона (Хебба, формула Уидроу).
Обучение многослойной нейронной сети.
Алгоритм и сеть Кохонена.
Алгоритм и сеть Хопфилда.
Алгоритм и сеть Хэмминга.
Вероятностные характеристики среды распознавания и основные задачи статистической теории распознавания образов.
Байесовский классификатор.
Минимаксный критерий классификации. Критерий Неймана-Пирсона.
Критерии классификации в случае нормального одномерного распределения признаков.
Классификация в случае многомерного нормального распределения признаков.
Вероятности ошибок неправильной классификации в случае нормального распределения признаков в классах.
Параметрическое оценивание вероятностного распределения.
Непараметрические методы оценивания (гистограммные).
Методы локального оценивания.
Метод парзеновского окна.
Метод kN ближайших соседей.
Метод оценивания с помощью аппроксимации функции плотности.
Иерархические системы распознавания.
Днепропетровск, 2015 год
Днепропетровский Национальный Университет (ДНУ) имени Олеся Гончара Факультет ФЭКС 5 курс
28 вопросов
Вопросы:
Постановка задачи распознавания. Основные определения и понятия.
Линейные решающие правила. Методы эталонов.
Метод ближайших соседей. Метод потенциальных функций.
Структурные (лингвистические) методы.
Кластерный анализ.
Критерии информативности и отбор признаков.
Способы измерения расстояний между векторами признаков.
Нейронные сети. Элементы, архитектура.
Персептрон. Алгоритм обучения.
Базовые математические задачи, решаемые нейронными сетями.
Алгоритмы обучения одного нейрона (Хебба, формула Уидроу).
Обучение многослойной нейронной сети.
Алгоритм и сеть Кохонена.
Алгоритм и сеть Хопфилда.
Алгоритм и сеть Хэмминга.
Вероятностные характеристики среды распознавания и основные задачи статистической теории распознавания образов.
Байесовский классификатор.
Минимаксный критерий классификации. Критерий Неймана-Пирсона.
Критерии классификации в случае нормального одномерного распределения признаков.
Классификация в случае многомерного нормального распределения признаков.
Вероятности ошибок неправильной классификации в случае нормального распределения признаков в классах.
Параметрическое оценивание вероятностного распределения.
Непараметрические методы оценивания (гистограммные).
Методы локального оценивания.
Метод парзеновского окна.
Метод kN ближайших соседей.
Метод оценивания с помощью аппроксимации функции плотности.
Иерархические системы распознавания.