Cтраница 3
Тогда решающее правило g ( Y NV) каждому значению V ставит в соответствие возможную модификацию системы, а функция цены C ( S, Y) показывает желательность такой модификации. При такой формулировке задачи становится возможным непосредственно оптимизировать самое функцию решения в адаптивной системе. Хотя такой подход еще, кажется, не применялся, он представляется очень полезным. [31]
Если решающее правило правильно проводит такое разделение, обучение заканчивается. [32]
Это решающее правило было предложено Акаике ( 1972, 1974) и основано на ошибке предсказания и теоретико-информационных рассуждениях. Приведенный здесь вывод сравнительно новый. [33]
Это решающее правило очень разностороннее и применимо к ряду систем, включая и системы со скользящим средним. Как будет показано в следующем пункте, вычисления просты и для многих других классов систем. Решающее правило можно обосновать с помощью байесова подхода, как будет показано ниже. Это решающее правило неявно предполагает использование понятия экономности. [34]
Всякое решающее правило имеет ошибки двух родов. Ошибка первого рода заключается в том, что здоровые принимаются за больных. [35]
Используя решающее правило, находим оптимальную стратегию. Этой стратегией является А. Критерий Сэвиджа близок к критерию Вальда по заботе игрока о гарантированное минимального успеха. [36]
Чаще всего решающее правило представляет собою дерево, построенное на значениях диагностических признаков. Наиболее существенные для класса решений значения находятся в корне этого дерева. [37]
Недостаток решающего правила k ближайших соседей заключается в необходимости помнить все объекты и сравнивать неизвестный объект со всеми этими объектами. Этот недостаток был бы н & таким существенным, если бы удалось исключить часть из этих объектов, оставив лишь сравнительно небольшое число представителей. Объекты, находящиеся вблизи границы байесовского решающего правила, сильно влияют на результат применения метода k ближайших соседей, но объекты, далекие от границы, не влияют на решение. Поэтому систематическое исключение этих невлияющих объектов позволяет уменьшить как время вычислений, так и требования к памяти. [38]
Определение решающего правила в случае, когда объекты задаются цепочками, включает в себя алгебраическую структуру в большей степени чем в случае ЛЛмерных векторов. В этом разделе мы рассмотрим синтаксические методы восстановления грамматик в свете структурного подхода, изложенного в разд. [39]
Обоснование решающего правила (3.27) состоит из следующих этапов. [40]
Под решающим правилом понимается указание, служащее для выбора варианта решения относительно приемки партии продукции по результатам ее контроля. [41]
Цифровые изображения L ( a и Т ( б. [42] |
Чтобы реализовать решающее правило, необходимо прежде всего определить параметры решающей функции. Это обычно делается с помощью процедуры обучения. [43]
Потенциалы определяют решающее правило: если рассматривается некоторая точка, то ее относят к классу А, если Кд ( х) &6 (); к классу В, если K. [44]
СТАТИСТИЧЕСКИЙ КРИТЕРИЙ решающее правило, по к-рому на основе результатов наблюдении принимается решение в задаче статистических гипотез проверки. [45]