| DC Field | Value | Language |
|---|
| dc.contributor.author | Krasnoproshin, V. | - |
| dc.contributor.author | Rodchenko, V. | - |
| dc.contributor.author | Karkanitsa, A. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2024-04-24T12:49:00Z | - |
| dc.date.available | 2024-04-24T12:49:00Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Krasnoproshin, V. The Properties Generality Principle and Knowledge Discovery Classification = Принцип общности свойств и KD-классификация / V. Krasnoproshin, V. Rodchenko, A. Karkanitsa // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2024. – Вып. 8. – С. 115–120. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/55570 | - |
| dc.description.abstract | The paper examines the actual problem of
automatic detection of hidden interpretable patterns in
intelligent systems. The conceptual basis of the process
of learning from examples is determined by the methods
of class description and separation. Three basic principles
are known: enumeration of class members, generality of
properties and clustering. We propose an original method
for implementing the principle of generality of properties
based on the search for combinations of features that
provide class distinction. The eff ectiveness of the approach
is confi rmed by the results of numerical experiment. | en_US |
| dc.language.iso | en | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | intelligent systems | en_US |
| dc.subject | pattern recognition | en_US |
| dc.subject | learning from examples | en_US |
| dc.title | The Properties Generality Principle and Knowledge Discovery Classification | en_US |
| dc.title.alternative | Принцип общности свойств и KD-классификация | en_US |
| dc.type | Article | en_US |
| local.description.annotation | В работе исследуется актуальная проблема автоматического обнаружения скрытых интерпретируемых закономерностей в интеллектуальных системах. Концептуальную
основу процесса обучения по прецедентам определяют способы описания и разделения классов. Известны три базовых
принципа: перечисления членов класса, общности свойств
и кластеризации. Предлагается оригинальный метод реализации принципа общности свойств, основанный на поиске
сочетаний признаков, обеспечивающих различение классов.
Эффективность подхода подтверждается результатами численного эксперимента. | en_US |
| Appears in Collections: | OSTIS-2024
|
