Super cena

Defining Stochastic Inference to Improve Pattern Recognition - George Sakr

Name: Defining Stochastic Inference to Improve Pattern Recognition - George Sakr
Brand: OmniScriptum GmbH & Co. KG
Availability: OutOfStock

+ Dodaj do porównania Dodaj do listy zakupowej

Rozmiar

uniwersalny

474,86 zł

/ szt.

Najniższa cena z 30 dni przed obniżką: ~~500,24 zł~~ / szt.-5%

Cena regularna: ~~478,78 zł~~ / szt.-1%

Możesz kupić także poprzez:

Produkt niedostępny

Darmowa i szybka dostawa od 89,00 zł

14 dni na łatwy zwrot

Bezpieczne zakupy

Odroczone płatności. Kup teraz, zapłać za 30 dni, jeżeli nie zwrócisz

Kup teraz, zapłać później - 4 kroki

Przy wyborze formy płatności, wybierz PayPo. PayPo - kup teraz, zapłać za 30 dni

PayPo opłaci twój rachunek w sklepie.
Na stronie PayPo sprawdź swoje dane i podaj pesel.

Po otrzymaniu zakupów decydujesz co ci pasuje, a co nie. Możesz zwrócić część albo całość zamówienia - wtedy zmniejszy się też kwota do zapłaty PayPo.

W ciągu 30 dni od zakupu płacisz PayPo za swoje zakupy bez żadnych dodatkowych kosztów. Jeśli chcesz, rozkładasz swoją płatność na raty.

Stochastic inference is defined as an accuracy measure over the decision of a learning algorithm. The typical accuracy measures used for pattern recognition are confidence and credibility. These measures are challenging to define, compute and exploit to improve pattern recognition. In this research we define a confidence and a credibility measure based on the VC dimension of a learning algorithm defined by Vapnik and Chervonenkis and the notion of algorithmic randomness as defined by Kolmogorov. The resulting confidence and credibility measures are applied to pattern recognition methods to improve their accuracy. This is accomplished by developing a multi-level architecture based on the defined confidence and credibility. In addition these defined measures are used to extend the binary classification of a single SVM to multi-class prediction. The benefits of the proposed architecture and the multi-class SVM are demonstrated on the following classification problems: agitation detection, the well known US postal handwritten digit recognition data and for forest fire occurrence prediction.

EAN: 9783659393686

Producent

OmniScriptum GmbH & Co. KG

Kod produktu

922EZX03527KS

Autorzy

George Sakr

Rok wydania

2013

Elementy

152

Oprawa

Oprawa Skórzana