Przedstawiono metody automatycznego rozpoznawania wzorców znajdujące zastosowanie zwłaszcza w zadaniach rozpoznawania obrazów, rozpoznawania mowy i rozpoznawania mówcy. Szczegółowo omówiono zastosowanie sztucznych sieci neuronowych jako klasyfikatorów. Przedstawiono m.in budowę preceptoru, regułę uczenia Widrowa-Hoffa i metodę wstecznej propagacji błędów. Uzyskiwane w sztucznych sieciach neuronowych rozwiązania porównano z rozwiązaniami bazującymi na metodach bayesowskich, metodzie największej wiarygodności oraz idei klasyfikacji i grupowania minimalnoodległościowego.

Oddzielną część książki poświęcono problemom rozpoznawania na podstawie modeli układów generujących obserwowane sygnały. Do tej grupy zagadnień należy tworzenie przestrzeni cech złożonej ze współczynników LPC, a także budowa ukrytych modeli Markowa.

Osoby które kupowały "Metody automatycznego rozpoznawania wzorców", wybierały także:

• Zrozum struktury danych. Algorytmy i praca na danych w Javie 39,67 zÅ‚, (11,90 zÅ‚ -70%)
• Projektowanie oprogramowania dla zupeÅ‚nie poczÄ…tkujÄ…cych. Owoce programowania. Wydanie V 125,48 zÅ‚, (38,90 zÅ‚ -69%)
• Python na maturze. Kurs video. Algorytmy i podstawy j 139,00 zÅ‚, (62,55 zÅ‚ -55%)
• Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II 49,00 zÅ‚, (26,95 zÅ‚ -45%)
• Tablice informatyczne. Algorytmy 17,00 zÅ‚, (9,35 zÅ‚ -45%)

Spis treści

[ERROR]