Schlesinger M. I. Minimax deviation strategies for machine learning and pattern recognition with short learning samples = Мінімаксні стратегії машинного навчання і розпізнавання образів на основі коротких навчальних вибірок / M. I. Schlesinger, E. V. Vodolazskiy // Кібернетика та систем. аналіз. - 2022. - 58, № 6. - С. 15-29. - Бібліогр.: 7 назв. - англ.Виконано аналіз задач розпізнавання образів і машинного навчання у випадку, коли якість стратегій для їхнього розв'язання визначається ризиком під час їхнього використання. Спираючись на поняття багатокритерійної оптимізації, визначено клас стратегій, непридатних для розв'язання задач, і виведено загальний вигляд усіх інших стратегій. Показано, що застосування окремих широковживаних підходів призводить до непридатних у визначеному сенсі стратегій. Зокрема, це стратегії, що базуються на найвірогіднішому оцінюванні, особливо у разі використання навчальних вибірок фіксованого та малого обсягу. Сформульовано задачі розпізнавання та навчання у єдиній уніфікованій формі, яка охоплює увесь спектр обсягів навчальних вибірок, що включає вибірки нульового обсягу. Доведено, що розв'язання задач у наведеному формулюванні виключає отримання непридатної стратегії. Сформульовано поняття стратегій розпізнавання та навчання, що мінімізують максимальне відхилення досягнутої якості від бажаної, яка, можливо, є недосяжною. Наведено приклади побудови таких стратегій та їхнього порівняння з широковживаними методами, що базуються на найвірогіднішому оцінюванні. Індекс рубрикатора НБУВ: З810.42
Рубрики:
Шифр НБУВ: Ж29144 Пошук видання у каталогах НБУВ
Повний текст Наукова періодика України
![](/irbis_nbuv/images/info.png) Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|