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

Сеть радиально-базисных функций — искусственная нейронная сеть, которая использует радиальные базисные функции как функции активации.

Выходом сети является линейная комбинация радиальных базисных функций входов и параметров нейрона. Сети радиальных базисных функций имеют множество применений, в том числе функции приближения, прогнозирования временных рядов, классификации и системы управления.

Впервые сформулированы в 1988 Брумхедом и Лоу.

Литература

• J. Moody and C. J. Darken, "Fast learning in networks of locally tuned processing units, " Neural Computation, 1, 281—294 (1989). Also see Radial basis function networks according to Moody and Darken
• T. Poggio and F. Girosi, "Networks for approximation and learning, " Proc. IEEE 78(9), 1484—1487 (1990).
• Roger D. Jones, Y. C. Lee, C. W. Barnes, G. W. Flake, K. Lee, P. S. Lewis, and S. Qian, ?Function approximation and time series prediction with neural networks,? Proceedings of the International Joint Conference on Neural Networks, June 17-21, p. I-649 (1990).
• Martin D. Buhmann. Radial Basis Functions: Theory and Implementations. — Cambridge University, 2003. — ISBN ISBN 0-521-63338-9.
• Yee, Paul V. and Haykin, Simon. Regularized Radial Basis Function Networks: Theory and Applications. — John Wiley, 2001. — ISBN ISBN 0-471-35349-3.
• John R. Davies, Stephen V. Coggeshall, Roger D. Jones, and Daniel Schutzer, "Intelligent Security Systems, " in Freedman, Roy S., Flein, Robert A., and Lederman, Jess, Editors. Artificial Intelligence in the Capital Markets. — Chicago : Irwin, 1995. — ISBN ISBN 1-55738-811-3.
• Simon Haykin. Neural Networks: A Comprehensive Foundation. — 2nd edition. — Upper Saddle River, NJ : Prentice Hall, 1999. — ISBN ISBN 0-13-908385-5.
• S. Chen, C. F. N. Cowan, and P. M. Grant, «Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks», IEEE Transactions on Neural Networks, Vol 2, No 2 (Mar) 1991.

Для улучшения этой статьи желательно: Дополнить статью (статья слишком короткая либо содержит лишь словарное определение). Проставив сноски, внести более точные указания на источники.