| DC Field | Value | Language |
|---|
| dc.contributor.author | Rodchenko, V. G. | - |
| dc.date.accessioned | 2020-03-11T07:06:05Z | - |
| dc.date.available | 2020-03-11T07:06:05Z | - |
| dc.date.issued | 2020 | - |
| dc.identifier.citation | Rodchenko, V. G. Supervised Learning: from the allocation algorithm to the identification of hidden interpretable patterns / Vadim G. Rodchenko // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2020) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков (гл. ред.) [и др.]. – Минск, 2020. – Вып. 4. – С. 253–256. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/38679 | - |
| dc.description.abstract | In Supervised Learning, traditionally, training is aimed at constructing an algorithm that in the future should carry out the correct classification of objects. The initial training sample is formed on the basis of classes alphabet and an a priori features dictionary, and then, in the process of training, separating surface classes are constructed. A practically useful classifier is constructed in result, but nothing can be learned about the properties of classes. An alternative approach to Supervised Learning is proposed, which is aimed at studying of the of classes properties at revealing the hidden interpreted patterns. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | machine learning | ru_RU |
| dc.subject | data mining | ru_RU |
| dc.subject | classification | ru_RU |
| dc.subject | supervised learning | ru_RU |
| dc.subject | instance-based learning | ru_RU |
| dc.subject | training dataset | ru_RU |
| dc.title | Supervised Learning: from the allocation algorithm to the identification of hidden interpretable patterns | ru_RU |
| dc.title.alternative | Обучение с учителем: от построения алгоритма классификации к выявлению скрытых интерпретируемых закономерностей | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | Обучение с учителем направлено на построение алгоритма, который в дальнейшем должен осуществлять правильную классификацию объектов. Исходная обучающая выборка формируется на основе алфавита классов и априорного словаря признаков, а затем в процессе обучения строятся разделяющие классы поверхности. В результате получается практически полезный классификатор, но о свойствах классов ничего узнать не удается. Предложен альтернативный подход к обучению с учителем, который направлен на исследование свойств классов и на выявление скрытых интерпретируемых закономерностей. Целью обучения является поиск признаковых подпространств, в которых паттерны классов не пересекаются. Паттерны классов представляются в виде кластерных структур. Алгоритм обучения позволяет автоматически провести анализ данных обучающей выборки и выявить наиболее информативные признаки с точки зрения разделения классов. Представлены результаты применения алгоритма обучения для решения задачи классификации. | - |
| Appears in Collections: | OSTIS-2020
|
