Page 153 - 4196
P. 153

d i    fX    i  X ,
           де величина   Xf  виключена, оскільки вона не залежить
           від i .
                 Для двох класів роздільна границя визначається рі-
           внянням
                      d   dX   1   dX   2   fX    1  X  f   2  X 

                          f   X  1   f   X  2    f  X  1   . 0
                            1             1           1
           Згідно цієї формули класифікація об’єктів виконується за
           правилом
                                       /1  , 2  то  X     ,
                     d    fX   X                    1
                                i
                                         /1  , 2  то  X     .
                                                            2
           Оцінку  щільності   f  i  X   у  зв’язку  з  реалізацією  ней-
           ронною  мережею  байесівського  класифікатора  можна
           сформулювати, як задачу навчання. Відповідні статисти-
           чні інтерактивні алгоритми навчання подібні до детермі-
           ністичних градієнтних алгоритмів навчання перцептрону.
                 Скористаємось розкладом щільності   f    i  X  по си-

           стемі відомих базисних функцій   X   :
                                         k
                              f   X     ij   j  X ,
                                  i
                                        j 1
                                    T
           де  W       1 i  ,..., i k   1     -  вектор  ваг  і–го  класу,
                   i
               X    1  ,...,X   k   X  T    -  базисні  функції.  Без  втрати
           загальності можна обмежитися лінійною апроксимацією
           щільності виду
                                   f  i  X  W  i T X ,

           де  X    ,x 1  x  2  ,..., x  n   1 ,  T   - вектор образів – еталонів.
                 Визначимо  випадкову  величину   Xr    ,  яку  можна
                                                     i
           спостерігати під час навчання:



                                       153
   148   149   150   151   152   153   154   155   156   157   158