|
Машинное обучение, нейронные сети
Теория решеток для машинного обучения
Д. В. Виноградов Федеральный исследовательский центр «Информатика и управление» Российской академии наук, г.Москва, Россия
Аннотация:
В статье представлены теоретические основы для построения системы машинного обучения, основанного на бинарной операции сходства. Ключевой техникой является Анализ формальных понятий – современный раздел теории решеток. Показаны алгоритмы представления объектов, описываемых как дискретными, так и непрерывными признаками. Описан метод Монте-Карло, основанный на цепях Маркова. После обсуждения ключевых шагов машинного обучения изложен результат о достаточном числе порождаемых гипотез. Предложены результаты экспериментальной проверки представленного подхода на нескольких массивах из репозитория UCI.
Ключевые слова:
решетка, АФП, ДСМ-метод, битовые строки, машинное обучение.
Образец цитирования:
Д. В. Виноградов, “Теория решеток для машинного обучения”, Искусственный интеллект и принятие решений, 2021, № 1, 25–32; Scientific and Technical Information Processing, 49:5 (2022), 379–384
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/iipr89 https://www.mathnet.ru/rus/iipr/y2021/i1/p25
|
Статистика просмотров: |
Страница аннотации: | 54 | PDF полного текста: | 52 | Список литературы: | 1 |
|