Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

<includeonly>{{Монография |автор = Вапник В. Н. |название = Восстановление зависимостей по эмпирическим данным |издатель = М.:&nbsp;Наука |год = 1979 |страниц = 448 |PageName = Публикация:Вапник 1979 Восстановление зависимостей <!-- {{subst:FULLPAGENAME}} --> }}</includeonly><noinclude>{{Монография |автор = Вапник В. Н. |название = Восстановление зависимостей по эмпирическим данным |издатель = М.:&nbsp;Наука |год = 1979 |страниц = 448 |BibtexKey = vapnik79vosstanovlenie }} == Аннотация == Основополагающая монография по статистической [[Теория Вапника-Червоненкиса|теории восстановления зависимостей]]. Рассматриваются задачи [[классификация|классификации]], [[регрессионный анализ|восстановления регрессии]] и интерпретации результатов косвенных экспериментов. Вводятся понятия [[функция роста|функции роста]], [[энтропия|энтропии]] и [[размерность Вапника-Червоненкиса|ёмкости]] системы событий. Доказывается, что ёмкость семейства [[Линейный классификатор|линейных решающих правил]] равна числу свободных параметров. Выводятся оценки скорости равномерной сходимости частоты ошибок к их вероятности, позволяющие обосновать метод [[Минимизация эмпирического риска|минимизации эмпирического риска]]. Эти оценки нетривиальны только в том случае, когда ёмкость семейства алгоритмов много меньше длины [[обучающая выборка|обучающей выборки]]. {{S|В доказательствах}} используется комбинаторная техника, основанная на оценивании разности частот в двух подвыборках одинаковой длины. Выводятся необходимые и достаточные условия равномерной сходимости частот появления событий к их вероятностям; доказывается, что частота сходится к вероятности равномерно по системе событий тогда и только тогда, когда доля энтропии, приходящейся на один элемент выборки, стремится к нулю с ростом длины выборки. Предлагается метод упорядоченной минимизации суммарного риска, предназначенный для выбора модели алгоритмов оптимальной сложности. Новый метод, в отличие от ранее предложенного метода [[Структурная минимизация риска|структурной минимизации риска]], оценивает качество восстановления зависимости в конечном множестве точек, а не на всем пространстве, поэтому обладает более высокой точностью. Описывается ряд алгоритмов распознавания образов, восстановления регрессии, [[Селекция выборки|селекции выборки]]. == Ссылки == * [http://www.clrc.rhul.ac.uk/people/vlad В. Н. Вапник] — домашняя страница * [http://www.clrc.rhul.ac.uk/people/chervonenkis А. Я. Червоненкис] — домашняя страница * [http://www.ipu.ru/s_001/s_001_003_009_00000000000.htm Выдающиеся ученые ИПУ РАН] страница на сайте Института проблем управления РАН == Литература == # {{Публикация:Вапник 74}} [[Категория: Теория вычислительного обучения (публикации)|Вапник]] </noinclude>

• Шаблон:!
• Шаблон:BibtexAuthors
• Шаблон:Nobr
• Шаблон:S
• Шаблон:ВсеАвторы
• Шаблон:Книга
• Шаблон:Монография
• Шаблон:Переводы
• Шаблон:Подробнее
• Публикация:Вапник 1974 Теория распознавания образов
• Публикация:Вапник 74

Возврат к странице Публикация:Вапник 1979 Восстановление зависимостей.