Байесовские интеллектуальные технологии в задачах моделирования закона распределения в условиях неопределенности, монография
| Main Author: | |
|---|---|
| Summary: | Монография посвящена методам и средствам байесовской математической статистики, в частности, вопросам аппроксимация плотности вероятности случайных величин и случайных процессов распределениями системы Пирсона, охватывающей основные типы унимодальных распределений, используемых в научных и практических задачах. Уникальным является раздел, посвященный определению законов распределения в условиях значительной неопределенности для обработки малых выборок, неточной, неполной, нечеткой информации, многочисленных разнотипных информационных потоков. Методологической основой является регуляризирующий байесовский подход, ориентированный на обработку информации (как данных, так и знаний) в условиях неопределенности. В монографии приводятся методология и аналитические зависимости для определения метрологических характеристик получаемых решений (точности, надежности, достоверности и других). Все алгоритмы обеспечены полным метрологическим сопровождением решений. Все аналитические выводы и методики иллюстрируются примерами решения различных прикладных задач. Практическую полезность представляют таблицы расчетных данных и блок-схемы алгоритмов. Книга предназначена для научных работников, преподавателей, студентов и аспирантов, а также для специалистов в сфере аналитической обработки данных. |
| Language: | Russian |
| Published: |
Москва, Научная библиотека, 2020
|
| Subjects: | |
| Format: | Book |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=345717 |
| Physical Description: | 292 с. ил. |
|---|---|
| Summary: | Монография посвящена методам и средствам байесовской математической статистики, в частности, вопросам аппроксимация плотности вероятности случайных величин и случайных процессов распределениями системы Пирсона, охватывающей основные типы унимодальных распределений, используемых в научных и практических задачах. Уникальным является раздел, посвященный определению законов распределения в условиях значительной неопределенности для обработки малых выборок, неточной, неполной, нечеткой информации, многочисленных разнотипных информационных потоков. Методологической основой является регуляризирующий байесовский подход, ориентированный на обработку информации (как данных, так и знаний) в условиях неопределенности. В монографии приводятся методология и аналитические зависимости для определения метрологических характеристик получаемых решений (точности, надежности, достоверности и других). Все алгоритмы обеспечены полным метрологическим сопровождением решений. Все аналитические выводы и методики иллюстрируются примерами решения различных прикладных задач. Практическую полезность представляют таблицы расчетных данных и блок-схемы алгоритмов. Книга предназначена для научных работников, преподавателей, студентов и аспирантов, а также для специалистов в сфере аналитической обработки данных. |
| ISBN: | 9785907242678 |