Предлагаемая работа доктора технических наук Д.А. Новикова посвящена изучению общих для систем живой и неживой природы – человек, группа людей, животные, искусственные системы – количественных закономерностей итеративного научения (понимаемого как многократное повторение обучаемой системой действий, проб, попыток и т.д. для достижения фиксированной цели при постоянных внешних условиях). Основным методом исследования является математическое моделирование. Работа ориентирована на специалистов по педагогике, психологии и физиологии человека и животных, теории управления, а также студентов и аспирантов соответствующих специальностей.
Рассмотрены вопросы теории дискретных преобразований в базисах уолше-подобных функций. Основное внимание уделено построению дискретных ортогональных преобразований и изучению их свойств, имеющих важное значение для цифровой обработки сигналов.
Разработаны алгоритмы быстрых преобразований в построенных дискретных базисах и проведены оценки их сложности. Синтезированы алгоритмы линейного и устойчивого оценивания полиномиальных моделей цифровых сигналов. Предложенные алгоритмы носят обобщенный характер, характеризуются сокращенной вычислительной сложностью и ориентированы на эффективную реализацию средствами многозначной цифровой техники.
Для научных работников в области информатики, радиоэлектроники и вычислительной математики, может быть полезна преподавателям и аспирантам соответствующих специальностей.
Монография посвящена новому направлению математической логики — реализации параллельных логических вычислений посредством арифметико-логических форм. Впервые рассматривается отображение классической логики на модулярную арифметику, которое открывает уникальные возможности по достижению высоких уровней производительности и отказоустойчивости средств гибких логических вычислений.
Для специалистов в области защиты информации, прикладной математики, математической кибернетики, информатики и вычислительной техники, адъюнктов (аспирантов), курсантов и слушателей соответствующих специальностей.
С позиций принципов декомпозиции систем и методов коллективного оценивания предлагаются методики синтеза и анализа нового класса непараметрических решающих правил в задачах восстановления стохастических зависимостей, распознавания образов, моделирования развивающихся и пространственно распределенных временных систем в условиях неполной информации. Преимущество разработанных непараметрических систем принятия решений состоит в эффективном использовании априорных сведений о виде восстанавливаемых закономерностей и информации обучающих выборок. Особое внимание уделяется исследованию свойств показателей эффективности рассматриваемого класса систем и проблемам их оптимизации. Книга предназначена для специалистов в области искусственного интеллекта и автоматизированных систем обработки информации, аспирантов и студентов вузов соответствующих специальностей.
В книге рассматриваются теоретические аспекты машинного обучения класси-фикации. В центре изложения – обучаемость как способность применяемых алгоритмов обеспечивать эмпирическое обобщение. С обучаемостью непосредственно связаны вопросы сложности выборок, точности и надежности классификаторов. Большое внимание уделено алгоритмическим методам анализа процессов обучения и синтеза решающих правил, включая колмогоровский подход, связанный с алгоритмическим сжатием информации. Описаны принципы выбора моделей обучения и семейств классифицирующих алгоритмов в зависимости от постановок и свойств решаемых задач.
Книга предназначается для специалистов, занимающихся теорией машинного обучения; она будет полезной для аспирантов, разработчиков интеллектуализированного программного обеспечения и студентов старших курсов математических специальностей, специализирующихся в указанной области.
В книге рассматриваются теоретические аспекты машинного обучения класси-фикации. В центре изложения – обучаемость как способность применяемых алгоритмов обеспечивать эмпирическое обобщение. С обучаемостью непосредственно связаны вопросы сложности выборок, точности и надежности классификаторов. Большое внимание уделено алгоритмическим методам анализа процессов обучения и синтеза решающих правил, включая колмогоровский подход, связанный с алгоритмическим сжатием информации. Описаны принципы выбора моделей обучения и семейств классифицирующих алгоритмов в зависимости от постановок и свойств решаемых задач.
Книга предназначается для специалистов, занимающихся теорией машинного обучения; она будет полезной для аспирантов, разработчиков интеллектуализированного программного обеспечения и студентов старших курсов математических специальностей, специализирующихся в указанной области.
Целью исследования является решение задачи идентификации и классификации различных подклассов автоматных марковских моделей (АММ) на основе генерируемых дискретных цепей Маркова (ЦМ). Эффективность распознавания АММ определяется уменьшением длин ЦМ, требуемых для решения задачи идентификации и классификации АММ, определенных на основе заданных подклассов эргодических стохастически матриц (ЭСМ), с заданной доверительной вероятностью и снижением сложности алгоритмов распознавания и погрешности вычисления признаков относительно ЭСМ.
В монографии рассмотрены высокие статистические технологии, проблемы управления экологической безопасностью, приведен автоматизированный системно-когнитивный анализ влияния экологических факторов на качество жизни населения региона.
Предназначена для обучающихся, преподавателей и всех интересующихся данной проблематикой.
В монографии изложено решение задачи повышения устойчивости стеблей растений, приведен численный анализ величин критических значений параметров для конкретных сортов злаков в наиболее опасные для полегания фазы вегетации, описано влияние начальных несовершенств на устойчивость форм равновесия стебля. Предназначена для специалистов АПК, научных работников, преподавателей, аспирантов и студентов вузов.
С единых теоретических позиций разрабатываются методы синтеза и анализа ядерных оценок плотности вероятности в различных условиях априорной информации, охватывающих проблемы малых и больших выборок, пропуска данных в исходной информации. Особое внимание уделяется быстрому выбору коэффициентов размытости ядерных функций в непараметрических оценках плотностей вероятностей. Полученные результаты обобщаются при исследовании линейных функционалов от плотности вероятности в задачах распознавания образов и проверке гипотез о распределениях случайных величин. Эффективность ядерных оценок плотности вероятности подтверждается результатами их применения при обработке данных дистанционного зондирования большого объёма.
Предназначена для специалистов в области прикладной математики и информатики, а также студентам бакалавриата и магистратуры профильных специальностей.
