ВУЗ:
Рубрика:
Марковские процессы. Определение, классификация. Скачкообразные марков-
ские процессы. Определения, свойства вероятностей перехода. Матрица вероят-
ностей переходов и матрицы интенсивностей переходов и их свойства. Граф пе-
реходов. Стандартные процессы и их восстановление по матрице интенсивностей
переходов. Предельные и эргодические теоремы для марковских процессов. Сис-
тема уравнений равновесия (СУР) и вычисление стационарных вероятностей
.
Вложенная цепь Маркова. Связь между стационарными распределениями процес-
са и вложенной цепи. Процессы гибели и размножения и их применения.
Полумарковские процессы. Определение, полумарковская матрица и ее свой-
ства. Предельные и эргодические теоремы для полумарковских процессов.
Процессы с независимыми приращениями. Пуассоновский, сложный пуассо-
новский и винеровский процессы. Структура общего процесса с
независимыми
приращениями.
Корреляционная теория случайных процессов. Производная и интеграл от слу-
чайной функции. Стохастический интеграл.
Стационарные в узком и широком смысле процессы. Корреляционная теория
стационарных в широком смысле процессов. Эргодическая теорема для стацио-
нарных в широком смысле процессов Теорема Хинчина. Теорема Слуцкого.
Спектральное разложение.
Основная литература
1. Ю.А. Розанов.
Теория вероятностей, случайные процессы и математическая
статистика. // М.- Наука. – 1985.
2. Г.П. Климов. Теория вероятностей и математическая статистика. // М.- Изд-во
МГУ, 1983.
ВВЕДЕНИЕ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Объем - 110 Недель -17 Лекции -34 Лабор -34 Контроль – экз
Целью курса является ознакомление студентов с современным состоянием
проблемы и методами анализа изображений и распознавания образов. Основная
задача заключается в формировании у студентов системного подхода, основанно-
го на знании детерминистского, статистического, структурного, экспертного и
других методов распознавания. В результате изучения дисциплины студент дол-
жен знать: математические методы описания изображений; методы обработки
,
анализа и улучшения качества изображений; методы распознавания образов и об-
ласти их применения; современные программные средства для анализа изображе-
ний и распознавания образов. Студент должен уметь: работать с файлами изобра-
жений, в том числе применять алгоритмы фильтрации, сжатия, восстановления и
улучшения качества изображений; выполнять анализ изображений, выделять и
оценивать информативные
признаки; распознавать локальные образы на изобра-
жениях с использованием наиболее эффективных методов; применять получен-
ные знания в научной и производственной деятельности.
Задачи искусственного интеллекта. Постановка задачи распознавания образов.
Основные определения и понятия. Классификация образов и методов распознава-
ния. Область применения, ограничения и недостатки. Модель системы распозна-
вания. Управление процессом распознавания. Эффективность
систем распознава-
ния. Специфика задач анализа и распознавания изображений.
Дискретизация и восстановление непрерывных изображений. Математическое
описание дискретных изображений. Линейные операторы, оператор суперпози-
22
Страницы
- « первая
- ‹ предыдущая
- …
- 20
- 21
- 22
- 23
- 24
- …
- следующая ›
- последняя »
