Комментарии 14
а где картинки?
В принципе, этот алгоритм является частным случаем метода ближайших соседей — все особенности как раз кроются в выборе весовой функции
НЛО прилетело и опубликовало эту надпись здесь
Могу еще что-нибудь на тему распознавания образов написать. Про стохастический подход, допустим. Основанный на байессовской теории принятия решения :)
Или пройтись по алгоритмам кластеризации. Небольшую поверхностную статью с поверхностным описанием этих алгоритмов.
Или пройтись по алгоритмам кластеризации. Небольшую поверхностную статью с поверхностным описанием этих алгоритмов.
Эта статья, откровенно, слабенькая. Интерпретация энергии в нейронных сетях — очень распространенное явление. В данной же статье это обычная кластеризация.
Вот очень интересно было бы почитать об АРТ сетях. Особенно Fuzzy map ART (я, в свое время, на русском даже упоминания не нашел, а с английской влом было разбираться). И о стохастических методах.
Вот очень интересно было бы почитать об АРТ сетях. Особенно Fuzzy map ART (я, в свое время, на русском даже упоминания не нашел, а с английской влом было разбираться). И о стохастических методах.
Кластеризация, это все-таки разбиение объектов по кластерам, классам. Здесь же предполагается, что принадлежность классам уже известна.
Упоминания данного метода я просто не находил на хабре, вот и решил поделиться.
При написании статьи раздумывал, стоит ли расписывать теоремы про сходимость, скорость сходимости и прочее. Но решил, что не стоит, иначе обилие формул могло бы и отпугнуть :) Но видимо, все-таки, стоило. Просто подготовка заняла бы больше времени и статья получилась бы сложнее для понимания. Я перестарался с упрощением, в следующий раз исправлюсь.
По стохастические методы постараюсь подготовить что-нибудь интересное.
Упоминания данного метода я просто не находил на хабре, вот и решил поделиться.
При написании статьи раздумывал, стоит ли расписывать теоремы про сходимость, скорость сходимости и прочее. Но решил, что не стоит, иначе обилие формул могло бы и отпугнуть :) Но видимо, все-таки, стоило. Просто подготовка заняла бы больше времени и статья получилась бы сложнее для понимания. Я перестарался с упрощением, в следующий раз исправлюсь.
По стохастические методы постараюсь подготовить что-нибудь интересное.
Не понятно, какой вид должна иметь K(x), нет сравнения с существующими методами, а также численных оценок эффективности. Соответственно практическая ценность статьи тождественно равна 0.
Про авторов метода бы написал. Это еще в 60е годы разработали в СССР.
В названии поста пропущена буква К в слове «функций»
1) К распознаванию образов этот метод имеет какое-то ооченно отдалённое отношение. То как тут всё описано это работа на уровне логических абстракций, не имеющих отношение к реальности. По изображению данным методом не распознать, нужно строить наборы характеристических признаков изображения, которые в дальнейшем подвергать сравнению. А это уже задачка классификаторов, одним из которых и является метод потенциальных функций.
2) Не показано сравнение с другими методами распознавания, такими как метод опорных векторов, adaboost, k-mean, нейросети и прецептроны, линейный дискриминант Фишера (и прочие регрессии).
Отсюда вывод: специалисту эта статья не нужна, так как не показано никакой реальной математики, которая используется при практическом применении плюс не показано никаких преимуществ по сравнению с существующими методами. А новичку данная статья не нужна, так как к распознаванию изображений она не имеет никакого отношения и написана очень общо (может лишь запутать при попытке что-то сделать).
Для первой статьи на хабр оно, конечно годно, но в будущем хотелось бы всё же видеть что-нибудь, что можно применить в реальности, или что-нибудь, что было бы достаточно интересно почитать в качестве гайда:)
2) Не показано сравнение с другими методами распознавания, такими как метод опорных векторов, adaboost, k-mean, нейросети и прецептроны, линейный дискриминант Фишера (и прочие регрессии).
Отсюда вывод: специалисту эта статья не нужна, так как не показано никакой реальной математики, которая используется при практическом применении плюс не показано никаких преимуществ по сравнению с существующими методами. А новичку данная статья не нужна, так как к распознаванию изображений она не имеет никакого отношения и написана очень общо (может лишь запутать при попытке что-то сделать).
Для первой статьи на хабр оно, конечно годно, но в будущем хотелось бы всё же видеть что-нибудь, что можно применить в реальности, или что-нибудь, что было бы достаточно интересно почитать в качестве гайда:)
Во-первых, в формуле вычисления K_{k+1} ошибка, знаки неравенства в первых двух вариантах следует поменять местами.
Во-вторых, весьма запутанным и излишне формальным языком описан очень простой, почти тривиальный метод
В-третьих, про свойства этого метода не написано по сути ничего.
В целом — грустно.
Во-вторых, весьма запутанным и излишне формальным языком описан очень простой, почти тривиальный метод
В-третьих, про свойства этого метода не написано по сути ничего.
В целом — грустно.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Распознавание образов. Метод потенциальных функций