Список перенаправлений
Материал из MachineLearning.
Ниже показаны 100 результатов, начиная с № 251.
Просмотреть (предыдущие 100) (следующие 100) (20 | 50 | 100 | 250 | 500)
- Структурные методы анализа изображений и сигналов (курс лекций, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, А.С. Конушин, В.С. Конушин, 2009) → Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)
- Полигон алгоритмов : TODO-лист → Полигон алгоритмов/TODO-лист
- Публикация:A. Gorban, B. Kegl, D. Wunsch, A. Zinovyev (2008), Principal Manifolds for Data Visualisation and Dimension Reduction → Публикация:Gorban (2008), Principal Manifolds
- Категория:Рекомендации для аспирантов → Категория:Рекомендации для студентов
- Полигон алгоритмов классификации → Полигон алгоритмов
- Метод максимального правдоподобия → Метод наибольшего правдоподобия
- Многомерное нормальное распределение → Нормальное распределение
- Публикация:Svensen 1998 Generative Topographic Mapping → Публикация:Svensén 1998 Generative Topographic Mapping
- Vetrovsem → Байесовские методы машинного обучения (Спецсеминар)
- Bmmo → Байесовские методы машинного обучения (курс лекций) / 2021
- Smais → Графические модели (курс лекций)/2014
- Автокорреляция → Автокорреляционная функция
- Вычислительная сложность → Теория сложности вычислений
- Критерий нормальности → Критерии нормальности
- FRiS-функция → Функция конкурентного сходства
- Кривая ошибок (ROC curve) → Кривая ошибок
- Cryptography and Machine Learning → Криптография и машинное обучение
- Обсуждение:Cryptography and Machine Learning → Обсуждение:Криптография и машинное обучение
- Функция конкуретнтного сходства → Функция конкурентного сходства
- Гребневая регрессия → Ридж-регрессия
- Критерий согласия → Критерии согласия
- Нейронная сеть → Искусственная нейронная сеть
- Функция потерь → Функция потерь в задачах линейной классификации
- МЛР → Многомерная линейная регрессия
- Нейронные сети → Искусственная нейронная сеть
- Искусственные нейронные сети → Искусственная нейронная сеть
- Нейросети → Искусственная нейронная сеть
- Neural network → Искусственная нейронная сеть
- Ранговый критерий → Ранговые критерии
- EM-алгоритм → ЕМ-алгоритм, его модификации и обобщения
- ЕМ-алгоритм → ЕМ-алгоритм, его модификации и обобщения
- EM алгоритм → ЕМ-алгоритм, его модификации и обобщения
- Ёмкость → Размерность Вапника-Червоненкиса
- RBF → Сеть радиальных базисных функций
- Сравнение EM и k-means на смесях с экспоненциальными компонентами → Модель МакКаллока-Питтса
- Обсуждение:Сравнение EM и k-means на смесях с экспоненциальными компонентами → Обсуждение:Модель МакКаллока-Питтса
- Правила Хэбба → Правило Хэбба
- АВО → Алгоритмы вычисления оценок
- Алгоритм вычисления оценок → Алгоритмы вычисления оценок
- Оценка Надарая-Ватсона → Формула Надарая-Ватсона
- Критерий Ван-дер-Вардена → Критерий Ван дер Вардена
- Критерий однородности → Критерии однородности
- RVM → Метод релевантных векторов
- Алгоритм ФОРЭЛ → Алгоритм ФорЭл
- Алгоритм ФОРЕЛЬ → Алгоритм ФорЭл
- Обсуждение:Алгоритм ФОРЕЛЬ → Обсуждение:Алгоритм ФорЭл
- Теория Вапника–Червоненкиса → Теория Вапника-Червоненкиса
- Модель Бокса-Дженкинса → Авторегрессионное скользящее среднее
- Нуль-гипотеза → Нулевая гипотеза
- BIC → Байесовский информационный критерий
- Информационный критерий Акаике → Критерий Акаике
- AIC → Критерий Акаике
- Прогноз → Прогнозирование
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)\Программное обеспечение интеллектуального анализа данных, весна 2010 → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2009
- Метод Лапласа → Аппроксимация Лапласа
- Участник:Strijov/Группа 374, весна 2009 → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, весна 2009
- Участник:Strijov/Группа 774, весна 2010 → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, весна 2010
- Участник:Strijov/Группа 674, весна 2009 → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, весна 2009
- Фактор инфляции регрессии → Фактор инфляции дисперсии
- VIF → Фактор инфляции дисперсии
- Variance inflation factor → Фактор инфляции дисперсии
- Шаблон:Доска объявлений кафедры ММП ВМК МГУ → Математические методы прогнозирования (кафедра ВМиК МГУ)/Доска объявлений
- Спецсеминар "Прикладные методы прогнозирования и анализа данных" → Прикладные методы прогнозирования и анализа данных (спецсеминар, В.В. Рязанов)
- Полигон алгоритмов/ Пошаговая реализация собственного алгоритма → Полигон алгоритмов/Пошаговая реализация собственного алгоритма
- Back Propagation+OBD(пример) → Оптимальное прореживание нейронных сетей (пример)
- Выбор признаков логистической регрессии(пример) → Шаговая регрессия (пример)
- Вероятность переобучения → Переобучение
- AdaBoost → Алгоритм AdaBoost
- AnyBoost → Алгоритм AnyBoost
- Медиана (статистика) → Медиана
- Обсуждение:Метод покоординатного спуска. → Обсуждение:Метод покоординатного спуска
- Метод Ньютона. Метод Стеффенсена. → Метод Ньютона. Метод Стеффенсена
- Участник:MariaAleshina/Поиск устойчивых зависимостей в в движении транспортных потоков Москвы → Участник:MariaAleshina/Поиск устойчивых зависимостей в движении транспортных потоков города Москвы
- Перфонтана → Написание отчётов и статей (рекомендации)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)\Программное обеспечение интеллектуального анализа данных → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2009
- Конкурс IEEE ICDM: дорожно-транспортные прогноз для интеллектуальных GPS-навигации → Конкурс IEEE ICDM: дорожно-транспортные прогнозы для интеллектуальной GPS-навигации
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов, 2009) → Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/2014
- Прикладной регрессионный анализ (курс лекций, B.В.Стрижов)/Группа 274, осень 2007 → Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)/Группа 274, осень 2007
- Семинар Местецкого → Семинар Л.М. Местецкого
- Разработка данных → Интеллектуальный анализ данных
- Rough Sets → Неточные множества
- ШАД → Школа анализа данных Яндекса
- Методика Belsley → Метод Белсли
- Свертка временных рядов при авторегрессионном прогнозе (пример) → Сравнение временных рядов при авторегрессионном прогнозе (пример)
- Регрессионный анализ (рекомендуемые обозначения) → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Рекомендуемые обозначения
- Прогнозирование российской экономики с помощью векторной авторегрессии (пример) → Прогнозирование макроэкономических показателей с помощью векторной авторегрессии (пример)
- Mmp → Математические методы прогнозирования (кафедра ВМиК МГУ)
- СМАИС → Графические модели (курс лекций)/2014
- Бммо → Байесовские методы машинного обучения (курс лекций) / 2021
- МОТП → Математические основы теории прогнозирования (курс лекций)
- MOTP → Математические основы теории прогнозирования (курс лекций)
- Критерий серий → Критерий Вальда-Вольфовица
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2011 → Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, весна 2011
- Скелет → Центральное множество
- Срединная ось → Медиальное множество
- Алгоритмы классификации основанные на сравнении графов → Сравнение графов
- Анализ данных о посещаемости сайтов с помощью АФП → Исследование данных о посещаемости сайтов с помощью методов анализа формальных понятий
- Алгоритмы повышения качества смазанных изображений → Методы деконволюции изображений
- VSM → Векторная модель
- Vector space model → Векторная модель
Просмотреть (предыдущие 100) (следующие 100) (20 | 50 | 100 | 250 | 500)
