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.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"