Рассматривается логический подход к задаче классификации по прецедентам. Предполагается, что прецеденты описаны в системе числовых признаков, каждый из которых имеет ограниченное число значений и кодируется целыми числами. Этап обучения классификатора заключается в поиске специальных фрагментов в признаковых описаниях прецедентов, позволяющих различать их из разных классов и называемых представительными элементарными классификаторами. Традиционно важным для рассматриваемого подхода является получение оценок количественных характеристик множества искомых элементарных классификаторов. В работе приведена верхняя асимптотическая оценка типичного числа так называемых правильных представительных элементарных классификаторов и оценка типичного «ранга» такого элементарного классификатора для важного в практическом отношении случая, когда число прецедентов существенно больше числа признаков.
Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.
Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.
Все права на товарные знаки принадлежат их законным владельцам!
Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.
Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.
Спасибо, понятно.