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:

• Java 9: Building Robust Modular Applications 332,50 zł, (39,90 zł -88%)
• Reinforcement Learning 213,57 zł, (29,90 zł -86%)
• Programming Computer Vision with Python. Tools and algorithms for analyzing images 186,88 zł, (29,90 zł -84%)
• MapReduce Design Patterns. Building Effective Algorithms and Analytics for Hadoop and Other Systems 157,37 zł, (29,90 zł -81%)
• Practical Machine Learning Cookbook 181,36 zł, (39,90 zł -78%)

Spis treści

[ERROR]