Машинное обучение: типы и модели::
www.samag.ru
     
Поиск   
              
 www.samag.ru    Web  0 товаров , сумма 0 руб.
E-mail
Пароль  
 Запомнить меня
Регистрация | Забыли пароль?
Журнал "Системный администратор"
Журнал «БИТ»
Наука и технологии
Подписка
Где купить
Авторам
Рекламодателям
Магазин
Архив номеров
Вакансии
Контакты
   

  Опросы
1001 и 1 книга  
12.02.2021г.
Просмотров: 8295
Комментарии: 1
Коротко о корпусе. Как выбрать системный блок под конкретные задачи

 Читать далее...

11.02.2021г.
Просмотров: 8603
Комментарии: 0
Василий Севостьянов: «Как безболезненно перейти с одного продукта на другой»

 Читать далее...

20.12.2019г.
Просмотров: 15807
Комментарии: 0
Dr.Web: всё под контролем

 Читать далее...

04.12.2019г.
Просмотров: 14981
Комментарии: 12
Особенности сертификаций по этичному хакингу

 Читать далее...

28.05.2019г.
Просмотров: 16146
Комментарии: 3
Анализ вредоносных программ

 Читать далее...

Друзья сайта  

Форум системных администраторов  

sysadmins.ru

 Машинное обучение: типы и модели

Архив номеров / 2021 / Выпуск №04 (221) / Машинное обучение: типы и модели

Рубрика: Наука и технологии /  Раздел для научных публикаций

Фролов А.В.,
ФГБОУ ВО «Морской государственный университет имени адмирала Г.И. Невельского», Владивосток,
системный администратор, отдел администрирования и слаботочных систем, Владивосток, Frolov@msun.ru

 

Машинное обучение:
типы и модели

Статья посвящена машинному обучению, созданию интеллектуальных систем, способных обучаться (самообучаться). Проделан системный анализ типов и моделей таких систем, акцентированы особенности и возможности


Введение

Обучают не только школьников, студентов, но и автоматы, компьютеры, программные системы, используя нестандартные подходы. В статье проделан системный анализ (предмодельный [1]) типов обучения и их возможностей (рис.), моделей интерпретации машинного обучения.


Типы обучения

1. Обучение с учителем, известное за рубежом как Supervised Learning [2]. Такое обучение ориентировано на правильные ответы, следовательно, на наличие обучающей выборки (пар «объект – ответ»). Компьютеру предлагаются ситуации с большой обучающей выборкой и варьирующихся параметров, пока от компьютера «не дождемся» на выходе приемлемых по точности и оперативности результатов. Затем уточняется, чему же научился компьютер, для чего прогнозируется результат в ситуации (для данных), с которой компьютер не знаком. Наиболее эффективно для классификационных (таксономических) и прогнозных задач, например, идентификации риск-ситуаций по прошлым ситуациям (активностям).

<...>


Полную версию статьи читайте в журнале
Подпишитесь на журнал
Купите в Интернет-магазине

Комментарии отсутствуют

Добавить комментарий

Комментарии могут оставлять только зарегистрированные пользователи

               Copyright © Системный администратор

Яндекс.Метрика
Tel.: (499) 277-12-41
Fax: (499) 277-12-45
E-mail: sa@samag.ru