Kapitel IV. Iterative Belehrungsalgorithmen für Erkennungssysteme

Chapters in this book

1. Frontmatter I
2. VORWORT VI
3. INHALTSVERZEICHNIS XI
4. Kapitel I. Das Perzeptron 2
5. Kapitel II. Das Problem der Belehrung von Erkennungssystemen 15
6. Kapitel III . Belehrung durch Schätzung der Wahrscheinlichkeitsverteilungen 25
7. Kapitel IV. Iterative Belehrungsalgorithmen für Erkennungssysteme 42
8. Kapitel V. Algorithmen zur Minimierung der empirischen Koste n 54
9. Kapitel VI. Die Methode der geordneten Kostenminimierung 76
10. Kapitel VII. Beispiele für die Anwendung lernabhängiger Erkennungsmethoden 109
11. Kapitel VIII. Einige allgemeine Bemerkungen 122
12. TEIL 2 Statistische Grundlagen
13. Kapitel IX. Die Konvergenz iterativer Algorithmen der Belehrung von Erkennungssystemen 128
14. Kapitel X. Hinreichende Bedingungen für die gleichmäßige Konvergenz der Häufigkeiten gegen die Wahrscheinlichkeiten in einer Klasse von Ereignissen 143
15. Kapitel XI. Notwendige und hinreichende Bedingungen für die gleichmäßige Konvergenz der Häufigkeiten gegen die Wahrscheinlichkeiten in einer Klasse von Ereignissen 174
16. Kapitel XII. Schätzung der gleichmäßigen Abweichung der relativen Häufigkeiten von den Wahrscheinlichkeiten in einer Klasse von Ereignissen 196
17. Kapitel XIII. Anwendung der Theorie der gleichmäßigen Konvergenz auf die Methoden der Kostenminimierung 203
18. TEIL 3 Methoden zur Konstruktion von Trennflächen
19. Kapitel XIV. Die Konstruktion der Trennhyperebene (Methode des generalisierten Porträts) 216
20. Kapitel XV. Lernabhängige Erkennungsalgorithmen zur Realisierung der Methode des generalisierten Porträts 259
21. Kapitel XVI. Die Methode der konjugierten Richtungen 280
22. Kapitel XVII. Eine Lernmethode zur Ermittlung der Klassenentscheidung für eine Menge vorgegebener Objektvektoren (Neue Ergebnisse der Autoren als Ergänzung zur deutschen Ausgabe) 298
23. Kommentare 320
24. Literaturverzeichnis 333
25. Sachwortverzeichnis 339