DC Field | Value | Language |
dc.contributor.author | Краснопрошин, В. В. | - |
dc.contributor.author | Родченко, В. Г. | - |
dc.date.accessioned | 2017-10-13T09:32:53Z | - |
dc.date.available | 2017-10-13T09:32:53Z | - |
dc.date.issued | 2017 | - |
dc.identifier.citation | Краснопрошин, В. В. Обучение по прецедентам на основе анализа свойств признаков / В. В. Краснопрошин, В. Г. Родченко // Доклады БГУИР. - 2017. - № 6 (108). - С. 35-41. | ru_RU |
dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/26491 | - |
dc.description.abstract | В работе исследуется задача обучения по прецедентам (по примерам). Предложен метод
обучения, основанный на анализе свойств сочетаний признаков и построении признаковых
подпространств, в которых классы не пересекаются. В рамках метода разработан алгоритм, который допускает распараллеливание процесса обучения и проведение его в автоматическом режиме. Показана возможность использования метода для автоматического обнаружения и интерпретации скрытых, заранее неизвестных закономерностей в задачах интеллектуального анализа данных. | ru_RU |
dc.language.iso | ru | ru_RU |
dc.publisher | БГУИР | ru_RU |
dc.subject | доклады БГУИР | ru_RU |
dc.subject | обучение по прецедентам | ru_RU |
dc.subject | интеллектуальный анализ данных | ru_RU |
dc.subject | обучающая выборка | ru_RU |
dc.subject | learning by precedents | ru_RU |
dc.subject | data mining | ru_RU |
dc.title | Обучение по прецедентам на основе анализа свойств признаков | ru_RU |
dc.title.alternative | Learning by precedents based on the analysis of the features properties | ru_RU |
dc.type | Статья | ru_RU |
local.description.annotation | The issue of learning by precedents is studied. A method of learning based on the analysis of the properties of feature combinations and building feature subspaces where classes do not intersect is proposed. An algorithm that allows paralleling of the learning process and performing it in the automatic mode has been developed in this approach. A possibility to use this method for automatic detection and interpretation of hidden, previously unknown patterns in data mining tasks is presented. | - |
Appears in Collections: | №6 (108)
|