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 Data Science. Siedmiodniowy przewodnik. Wydanie II 49,00 zł, (24,50 zł -50%)
• Algorytmy 79,00 zł, (39,50 zł -50%)
• Badanie danych. Raport z pierwszej linii działań 54,90 zł, (27,45 zł -50%)
• Algorytmy, struktury danych i techniki programowania. Wydanie IV 39,90 zł, (19,95 zł -50%)
• Algorytmy. Wydanie IV 149,00 zł, (74,50 zł -50%)

Spis treści

[ERROR]