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:

• Algorytmy kryptograficzne. Przewodnik po algorytmach w blockchain, kryptografii kwantowej, protoko 79,00 zÅ‚, (39,50 zÅ‚ -50%)
• Informatyk samouk. Przewodnik po strukturach danych i algorytmach dla pocz 58,98 zÅ‚, (29,49 zÅ‚ -50%)
• My 89,00 zÅ‚, (44,50 zÅ‚ -50%)
• Nauka algorytm 58,98 zÅ‚, (29,49 zÅ‚ -50%)
• 40 algorytmów, które powinien znać każdy programista. Nauka implementacji algorytmów w Pythonie 77,00 zÅ‚, (38,50 zÅ‚ -50%)

Spis treści

[ERROR]