WikiSort.ru - Не сортированное

Машинное обучение и data mining

Задачи Задача классификации Обучение без учителя Обучение с частичным привлечением учителя Регрессионный анализ AutoML Ассоциативные правила Выделение признаков Обучение признакам Обучение ранжированию Грамматический вывод Онлайновое обучение

Обучение с учителем Метод k-ближайших соседей Наивный байесовский классификатор Дерево решений Метод опорных векторов Линейная регрессия Логистическая регрессия Перцептрон Ансамбли моделей (Бэггинг, Бустинг, Random forest) Метод релевантных векторов

Кластерный анализ Метод k-средних Метод нечёткой кластеризации Иерархическая кластеризация EM-алгоритм BIRCH CURE DBSCAN OPTICS Mean-shift

Снижение размерности Факторный анализ Метод главных компонент CCA ICA LDA Неотрицательное матричное разложение t-SNE

Структурное прогнозирование Графовая вероятностная модель (Байесовская сеть, Скрытая марковская модель, CRF)

Выявление аномалий Метод k-ближайших соседей Локальный уровень выброса

Графовые вероятностные модели Байесовская сеть Марковская сеть Скрытая марковская модель

Искусственные нейронные сети Ограниченная машина Больцмана Самоорганизующаяся карта Функция активации (Сигмоида, Softmax, Радиально-базисная функция) Метод обратного распространения ошибки Глубокое обучение Многослойный перцептрон Рекуррентная нейронная сеть (Долгая краткосрочная память, Управляемый рекуррентный блок) Свёрточная нейронная сеть (U-Net) Автокодировщик

Обучение с подкреплением Марковский процесс Уравнение Беллмана Жадный алгоритм Q-learning SARSA Temporal difference (TD)

Теория Теория Вапника — Червоненкиса Дилемма смещения–дисперсии Теория вычислительного обучения Минимизация эмпирического риска Оккамово обучение PAC learning Статистическая теория обучения

Журналы и конференции NIPS ICML ML JMLR ArXiv:cs.LG

Глоссарий Глоссарий по машинному обучению

Статьи по теме List of datasets for machine-learning research Outline of machine learning

Осцилляторные нейронные сети (ОНС) — нейронные сети, основными структурными единицами которых являются осцилляторы. Функционируют ОНС за счет колебаний отдельных элементов или групп элементов и их взаимодействия. ОНС представляют научный интерес, так как существенную роль в мыслительных процессах человека играют колебания^[1].

Биологическая связь

В работах известных нейрофизиологов А. А. Ухтомского и М. Н. Ливанова выдвинута гипотеза, о том что процесс обработки информации в нервной системе описывается в терминах синхронизации активности различных нейронных структур. Подобной точки зрения также придерживаются Е. Р. Джон и Е. Базар.

В работах О. С. Виноградовой выдвинута гипотеза об участии тетаритма (4-10Гц) в септо-гиппокампальной области в процессе отбора и запоминания информации.

Исследования У. Фримена, В. Зингера, Р. Экхорна дают основания полагать, что колебательные механизмы позволяют обрабатывать информацию в обонятельных и зрительных зонах коры головного мозга.

Классификация

Наиболее тщательно исследованы три вида ОНС:

• Полносвязные сети
• Сети с локальными связями
• Сети с задержками в связях

Литература

• Г. Н. Борисюк Осцилляторные нейронные сети
• Н. Ю. Семенова., В. С. Захаров., Фрактальный анализ и поиск детерминизма в данных ЭЭГ.
• Г. Н. Борисюк, Р. М. Борисюк, Я. Б. Казанович, Г. Р. Иваницкий Моделирование динамики нейронной активности при обработке информации мозгом итоги десятилетия.

Примечания