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:

• Projektowanie oprogramowania dla zupełnie początkujących. Owoce programowania. Wydanie V 129,00 zł, (64,50 zł -50%)
• PHP 7. Algorytmy i struktury danych 58,98 zł, (29,49 zł -50%)
• Komputer kwantowy. Programowanie, algorytmy, kod 66,98 zł, (36,84 zł -45%)
• Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II 49,00 zł, (26,95 zł -45%)
• Tablice informatyczne. Algorytmy 17,00 zł, (9,35 zł -45%)

Spis treści

[ERROR]