Рандомизированное машинное обучение при ограниченных объемах данных: От эмпирической возможности энтропийной рандомизации

Проблема извлечения и последующего накопления знаний в конечном счете сводится к знаниям о моделях, которые формализуются путем измерения ее характеристик. Последнее интерпретируется как обучение моделей с использованием данных. Современное представление о машинном обучении предполагает, что его результаты являются «обученными» детерминированными моделями, снабженными эмпирическими вероятностными величинами их случайности. Если иметь в виду, что процедуры машинного обучения применяются к задачам с достаточно высоким уровнем неопределенности (не вполне предсказуемые данные, неполные знания о моделируемом процессе и т. д.), то переход к энтропийно-рандомизированной концепции машинного обучения может использоваться и эффективно использовать решения прикладных задач.

#ASTTD# Поисковые запросы: Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов , У.С. Попков, А.У. Попков, У.А. Дыбнов , Ленанд , Ленанд , Русский , Рысский , 9785971059080 , 978-5-9710-5908-0 , 1281510