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. Wydanie IV 147,78 zÅ‚, (39,90 zÅ‚ -73%)
• Python na maturze. Kurs video. Algorytmy i podstawy j 137,59 zÅ‚, (39,90 zÅ‚ -71%)
• Algorytmy. Ćwiczenia 34,14 zÅ‚, (9,90 zÅ‚ -71%)
• Projektowanie oprogramowania dla zupeÅ‚nie poczÄ…tkujÄ…cych. Owoce programowania. Wydanie V 128,71 zÅ‚, (39,90 zÅ‚ -69%)
• Naczelny Algorytm. Jak jego odkrycie zmieni nasz Å›wiat 48,06 zÅ‚, (14,90 zÅ‚ -69%)

Spis treści

[ERROR]