М.: Наука. 1974. - 416 с. В первой части книги задача распознавания
образов рассматривается с точки зрения проблемы минимизации
среднего риска. Показано, как далеко можно продвинуться в решении
задачи обучения распознаванию образов, следуя по каждому из
существующих в статистике путей минимизации риска, и к каким
алгоритмам они приводят. Вторая часть посвящена исследованию
математических проблем обучения. Изложена теория равномерной
сходимости частот появлений событий к их вероятностям, которая
является предельным обобщением теоремы Гливенко. Третья часть
посвящена алгоритмам построения линейных и кусочно-линейных
решающих правил. Для студентов старших курсов, аспирантов,
инженеров и ученых, занятых в области теоретической и технической
кибернетики.
Содержание по главам: 1) Перцептрон Розенблатта; 2) Задача обучения машин распознаванию образов; 3) Методы обучения, основанные на восстановлении распределения вероятностей; 4) Рекуррентные алгоритмы обучения распознаванию образов; 5) Алгоритмы, минимизирующие эмпирический риск; 6) Метод упорядоченной минимизации риска; 7) Примеры применения методов обучения распознаванию образов; 8) Несколько общих замечаний; 9) О сходимости рекуррентных алгоритмов обучения распознаванию образов; 10) Достаточные условия равномерной сходимости частот к вероятностям по классу событий; 11) Необходимые и достаточные условия равномерной сходимости частот к вероятностям по классу событий; 12) Оценки равномерного относительного уклонения частот от вероятностей в классе событий; 13) Применение теории равномерной сходимости к методам минимизации эмпирического риска; 14) Построение разделяющей гиперплоскости (метод обобщенного портрета); 15) Алгоритмы обучения распознаванию образов, реализующие метод обобщенного портрета; 16) Метод сопряженных направлений.
Содержание по главам: 1) Перцептрон Розенблатта; 2) Задача обучения машин распознаванию образов; 3) Методы обучения, основанные на восстановлении распределения вероятностей; 4) Рекуррентные алгоритмы обучения распознаванию образов; 5) Алгоритмы, минимизирующие эмпирический риск; 6) Метод упорядоченной минимизации риска; 7) Примеры применения методов обучения распознаванию образов; 8) Несколько общих замечаний; 9) О сходимости рекуррентных алгоритмов обучения распознаванию образов; 10) Достаточные условия равномерной сходимости частот к вероятностям по классу событий; 11) Необходимые и достаточные условия равномерной сходимости частот к вероятностям по классу событий; 12) Оценки равномерного относительного уклонения частот от вероятностей в классе событий; 13) Применение теории равномерной сходимости к методам минимизации эмпирического риска; 14) Построение разделяющей гиперплоскости (метод обобщенного портрета); 15) Алгоритмы обучения распознаванию образов, реализующие метод обобщенного портрета; 16) Метод сопряженных направлений.