Ukrainian
Summary:В основі байєсівського підходу є визначення таких структур опису об’єктів, для яких можлива побудова ефективних (оптимальних) процедур розпізнавання. Нині ці питання вирішено для дискретних об’єктів з незалежними ознаками та об’єктів,які описуються ланцюгами Маркова. Отримано детерміновані оцінки похибки байєсівської процедури розпізнавання залежно від розмірів класів (навчаючих вибірок), кількості ознак та кількості значень ознак. Побудовані оцінки істотно відрізняються від оцінок методів мінімізації емпіричного ризику. У монографії розглянуто застосування байєсівських процедур розпізнавання для передбачення вторинної структури білка, прогнозування динаміки курсу акцій.
Reading audience:Для широкого кола наукових співробітників, аспірантів та студентів, які цікавляться проблемами штучного інтелекту, статистичною теорією машинного навчання та біоінформатикою.
Russian
Summary:В основе байесовского подхода лежит определение таких структур описания объектов, для которых возможно построение эффективных (оптимальных) процедур распознавания. В настоящее время эти вопросы решены для дискретных объектов с независимыми признаками и объектов, которые описываются цепями Маркова. Получены детерминированные оценки погрешности байесовской процедуры распознавания в зависимости от размеров классов (обучающих выборок), количества признаков и количества значений признаков. Построенные оценки существенно отличаются от оценок методов минимизации эмпирического риска. В монографии обсуждается применение байесовских процедур распознавания для предсказания вторичной структуры белков, прогнозирования динамики курсов акций.
Reading audience:Для широкого круга научных сотрудников, аспирантов и студентов, которые интересуются проблемами искусственного интеллекта, статистической теорией машинного обучения, биоинформатикой.