Warning: Irbis_Format(): @ed_reference: unexpected token THENFI at line 3, column 13, fmt source: '<!>' if p(v951) then /* if v951^T:'Повний текст у форматі PDF' and (&uf('IMAIN,show_ed,')='2' or (&uf('IMAIN,show_ed,')='1' and a(v2225)) ) then /* if v951^T:'Повний текст у форматі PDF' then /* '<br>' /* '<img src="/images/full_text.png">', /* 'Користувачі бібліотеки, можуть отримати повний текст статті відправивши запит на адресу elena@library.mk.ua<br>', /* fi, fi, '<!>' in C:\hosting\e-catalog.mk.ua\commands\srv.inc on line 313

Warning: Irbis_Format(): @ed_reference: unexpected token THENFI at line 3, column 13, fmt source: '<!>' if p(v951) then /* if v951^T:'Повний текст у форматі PDF' and (&uf('IMAIN,show_ed,')='2' or (&uf('IMAIN,show_ed,')='1' and a(v2225)) ) then /* if v951^T:'Повний текст у форматі PDF' then /* '<br>' /* '<img src="/images/full_text.png">', /* 'Користувачі бібліотеки, можуть отримати повний текст статті відправивши запит на адресу elena@library.mk.ua<br>', /* fi, fi, '<!>' in C:\hosting\e-catalog.mk.ua\commands\srv.inc on line 313
Електронний каталог
Миколаївська обласна бібліотечна асоціація
Ресурси бібліотек міста Миколаєва

Фонд Центральної бібліотеки ім.М.Л. Кропивницького- результаты поиска

Головна - e-catalog.mk.ua

база даних містить 508049 бібліографічних записів

База даних

Науково-педагогічної бібліотеки
Центральної бібліотеки ім.М.Л. Кропивницького
Миколаївської обласної бібліотеки для дітей ім. В. Лягіна
Центральної бібліотеки для дітей ім. Ш. Кобера і В. Хоменко
Наукової бібліотеки МНУ ім. В. Сухомлинського
Миколаївської обласної бібліотеки для юнацтва
 		Вид пошуку: СтандартнийРозширений
Область пошуку
в найденном
Формат відображення документів:
полныйинформационныйкраткий
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>S=Дерево рішень<.>)
Общее количество найденных документов : 2
Показаны документы с 1 по 2
1.
004.8(075.8)
Л 64

    Литвин, В. В.
    Аналіз данних і знань [Текст] : навчальний посібник / В. В. Литвин, В. В. Пасічник, Ю. В. Нікольський. - Львів : Магнолія 2006, 2019. - 276 с. : іл. - (Комп'ютинґ). - 2063.71 грн.
    Содержание:
Інформація. Дані. Знання . - С .10
Поняття про інформацію . - С .10
Інформаційні сигнали матеріального світу . - С .13
Знакове середовище існування інформації . - С .13
Поняття про знакові системи . - С .15
Форми знакового подання інформації . - С .16
Інформація як результат взаємодії даних і методів . - С .17
Властивості взаємозв'язку інформації, даних і методів . - С .19
Синтаксичні міри інформації . - С .20
Семантичні міри інформації . - С .21
Прагматичні міри інформації . - С .23
Факторний аналіз . - С .25
Концепція факторного аналізу . - С .25
Основи факторного аналізу . - С .26
Основні алгоритми та методи . - С .27
Методи виділення первинних факторів . - С .28
Головні компоненти, власні значення та вектори . - С .29
Методи факторного аналізу . - С .33
Метод найменших квадратів . - С .34
Метод максимальної правдоподібності . - С .35
Альфа-факторний аналіз . - С .37
Аналіз образів . - С .38
Методи обертання . - С .40
Геометричний метод обертання . - С .40
Методи ортогонального обертання . - С .43
Методи косокутного обертання . - С .45
Обертання з використанням цільової матриці . - С .47
Дискримінантний аналіз . - С .49
Суть дискримінантного аналізу . - С .49
Канонічні дискримінантні функції . - С .52
Геометрична інтерпретація . - С .53
Кількість канонічних дискримінантних функцій . - С .53
Одержання коефіцієнтів канонічної дискримінантної фунції . - С .54
Коефіцієнти v . - С .56
Нестандартизовані коефіцієнти . - С .57
Процедури класифікації . - С .57
Класифікаційні функції . - С .58
Врахування апріорних ймовірностей . - С .60
Класифікація за допомогою канонічних дискримінантних функцій . - С .61
Графічне зображення областей . - С .62
Класифікаційна матриця . - С .62
Обгрунтування за допомогою розбиття вибірки / 63
Кластерний аналіз . - С .65
Суть кластерного аналізу . - С .65
Застереження стосовно використання кластерного аналізу . - С .67
Поняття подібності . - С .67
Вибір змінних . - С .69
Міри подібності . - С .70
Коефіцієнти кореляції . - С .70
Міри відстані . - С .71
Коефіцієнти асоціативності . - С .72
Імовірнісні коефіцієнти подібності . - С .73
Методи кластерного аналізу . - С .74
Ієрархічні агломеративні методи . - С .74
Ітеративні методи групування . - С .78
Інші методи . - С .81
Інтелектуальний аналіз даних . - С .84
Що таке інтелектуальний аналіз даних (Data Mining)? . - С .84
Типи закономірностей . - С .88
Класи систем Data Mining . - С .89
Предметно-орієнтовані аналітичні системи . - С .89
Машине навчання . - С .96
Інтуїтивне розуміння навчання . - С .96
Означення навчання . - С .97
Програми, що навчаються . - С .98
Мотивація до навчання . - С .101
Таксономія машинного навчання . - С .102
Споріднені галузі . - С .104
Навчання як розділ штучного інтелекту . - С .106
Загальне формулювання задачі навчання за прецедентами . - С .107
Основні поняття та означення . - С .107
Типологія задач навчання за прецедентами . - С .108
Задачі з описом об'єктів на основі ознак . - С .111
Приклади задач машинного навчання . - С .111
Задачі класифікації . - С .111
Задача відновлення регресії . - С .116
Задачі прогнозування та прийняття рішень . - С .117
Задачі кластеризації . - С .119
Задачі аналізу клієнтських середовищ . - С .120
Навчання понять в штучному інтелекті . - С .121
Задача навчання понять - пошук у просторі гіпотез . - С .122
Упорядкування гіпотез "від загальної до конкретної" . - С .124
Алгоритм Find-S пошуку максимально конкретної гіпотези . - С .126
Алгоритм "вилучення кандидата" . - С .129
Дерева рішень . - С .149
Означення дерева рішень . - С .149
Алгоритми побудови дерева рішень . - С .152
Нейронні мережі . - С .169
Навчання на основі зв'язків . - С .169
Біологічні нейронні мережі . - С .170
Модуль штучного нейрона . - С .171
Подання нейромереж та їхньої архітектури . - С .175
Сучасні архітектури нейромереж . - С .177
Навчання одношарових нейромереж прямого поширення . - С .182
Навчання багатошарових нейромереж прямого поширення . - С .189
Метод опорних векторів . - С .194
Мережі, що самоорганізуються . - С .210
Опис мереж, що самоорганізуються . - С .210
Міри відстані між векторами . - С .212
Проблема нормалізації векторів . - С .212
Міра організації мережі . - С .213
Механізм стомлення нейронів . - С .214
Методи навчання мереж, що самоорганізуються . - С .215
Онтологія й онтологічні системи . - С .222
Поняття онтології . - С .222
Моделі онтології й онтологічної системи . - С .229
Методології створення і "життєвий цикл" онтології . - С .233
Мови опису онтологій . - С .234
Програмні засоби побудови онтологій . - С .239
Онтологія як засіб формалізації та алгоритмізації знань . - С .239
Аналіз підходів до навчання онтологій . - С .240
Загальні принципи проектування онтологій . - С .242
Формати та стандарти подання інформації . - С .243
Засоби для створення онтології . - С .246
Технологія розроблення онтологій в редакторі Protege . - С .247
Еволюція Protege . - С .247
Protege-OWL. Мова Web онтологій OWL . - С .249
Основні терміни та поняття у Protege-OWL . - С .251
Методика розроблення онтології засобами Protege . - С .253
Створення онтології . - С .255
УДК
004.8(075.8)
ББК 32.813я73

Рубрики: Аналіз даних,  Аналіз знань,  Інформація (поняття),  Знакові системи,  Факторний аналіз,  Аналіз--факторний,  Дискримінантний аналіз,  Аналіз--дискримінантний,  Кластерний аналіз,  Аналіз--кластерний,  Інтелектуальний аналіз даних,  Аналіз даних--інтелектуальний,  Машинне навчання,  Навчання--машинне,  Штучний інтелект,  Дерево рішень,  Нейронні мережі,  Мережі--нейронні,  Онтологічні системи,  Системи--онтологічні,  Онтологія (поняття),  Protege (редактор)
Аннотация: Викладено основні методи аналізу даних та знань, особливу увагу звернуто на багатовимірний та інтелектуальний аналіз даних. Висвітлено особливості технологій Data Mining, їх теоретичні та прикладні аспекти. Розглянуто моделі онтологічних систем та методику розроблення онтологій. Детально описано побудову онтології за допомогою програмного засобу Protege. Розглянуто методи машинного навчання, які використовуються під час аналізу даних та знань.
Знайти подібні документи / URL: посилання на документ
2.
004.8(075.8)
Ш 32

    Шаховська, Н. Б.
    Системи штучного інтелекту [Текст] : навчальний посібник / Н. Б. Шаховська, Р. М. Камінський, О. Б. Вовк. - Львів : Видавництво "Львівська політехніка", 2018. - 392 с. - ISBN 978-966-941-197-6 (в опр.) : 1768.90 грн.
    Содержание:
Основні поняття . - С .3
Поняття штучного інтелекту . - С .3
Поняття теорії розпізнавання образів . - С .4
Постановка задачі розпізнавання образів . - С .8
Поняття постановки задач розпізнавання образів . - С .31
Поняття ознаки . - С .48
Системи розпізнавання природної мови . - С .60
Міри близькості . - С .63
Поняття класу . - С .75
Моделі навчання в розпізнаванні образів . - С .92
Алгоритм навчання за Байєсом . - С .98
Навчання без учителя . - С .102
Класифікація методів розпізнавання образів . - С .109
Методи класифікації . - С .126
Дерева рішень як метод класифікації . - С .126
Метод "Випадкового лісу" . - С .137
Наївний Байєс (ймовірнісні класифікатори) . - С .140
Метод k-ближніх сусідів . - С .146
Метод опорних векторів . - С .151
Інші методи класифікації . - С .156
Кластеризація як метод розпізнавання . - С .160
Принцип розділення в просторі ознак апріорно заданих класів . - С .200
Статистичні методи розпізнавання . - С .213
Методи, основані на потенціальних функціях та принципах голосування . - С .223
Міра близькості Журавльова . - С .232
Основні положення алгебраїчного підходу . - С .242
Нейронні мережі . - С .253
Перцептон Розенблатта . - С .253
Нейромережа зворотного поширення похибки (Back Propagation) . - С .255
Delta Bar Delta . - С .258
Extended Delta Bar Delta . - С .260
Скерований випадковий пошук . - С .260
Нейронна мережа вищого порядку, або функціонально-пов'язана нейронна мережа . - С .261
Мережа Кохонена . - С .262
Квантування навчального вектора (Learning VectorQuantization) . - С .265
Мережа зустрічного поширення (CounterPropagation) . - С .267
Імовірнісна нейронна мережа . - С .270
Мережа Хопфілда . - С .272
Машина Больцмана . - С .275
Мережа Хемінга . - С .277
Двоскерована асоціативна пам'ять . - С .279
Мережа адаптивної резонансної теорії . - С .282
Приклад реалізації нейронної мережі мовою R . - С .284
Використання нейронної мережі для розпізнавання цифр . - С .290
Самоорганізовані карти в R . - С .313
Асоціативні правила . - С .323
Пошук асоціативних правил методом Apriori . - С .326
Алгоритм "Poliferator-C" . - С .327
Функціональні залежності . - С .327
Метод Тітової . - С .329
Практичний приклад пошуку асоціативних правил мовою R . - С .335
Фільтри як спосіб кластирізації даних . - С .343
Метод локалізації "фільтр Маркова" ("гістограмний фільтр") . - С .343
Метод локалізації "фільтр Калмана" . - С .347
Метод локалізації "частинний фільтр" . - С .357
Графовий метод одночасної локалізації і картографії (graph slam) . - С .365
УДК
004.8(075.8)
ББК 32.813я73

Рубрики: Штучний інтелект,  Інтелект--штучний,  Системи штучного інтелекту,  Нейронні мережі,  Мережі--нейронні,  Кластирізація даних,  Теорія розпізнавання образів,  Методи розпізнавання образів,  Дерево рішень,  Кластерний аналіз,  Аналіз--кластерний
Аннотация: Розглянуто класифікацію методів та алгоритмів, використовуваних у системах штучного інтелекту, та підходи до їх інтегрування в сучасні технології. Для студентів, які навчаються за спеціальностями “Комп’ютерні науки”, “Системний аналіз”, “Інформаційні технології”, викладачів, аспірантів та фахівців-практиків зі штучного інтелекту.
Знайти подібні документи / URL: посилання на документ
Институт медленного и болезненного выяснения самых очевидных вещей