問題
入力パターンに最も近いk個のプロトタイプをとり,その中で最も多数を占めたクラスを識別結果として出力する方法
問題
最近傍のプロトタイプが属するクラスを識別結果とする方法
問題
距離(例えばユークリッド距離)が最も小さいプロトタイプ
問題
ノイズ除去 (雑音,印刷物の汚れ, 等を取り除く) 正規化 (認識部分を取り出し,大きさを揃える
問題
膨大な情報を持つ原パターンから識別に必要な本質的 な特徴のみを抽出する
問題
入力パターンを複数のクラスのうちの一つに対応させ る。
問題
それぞれのクラスの特徴を記憶し,識別に利用する。
問題
文字認識の場合 -文字線の傾き,幅,曲率,面積,ループの数など 顔認識の場合 -顔の要素(目,鼻,口などの特徴的な点の位置)
問題
特徴ベクトルによって張られる空間
問題
濃度値を有限個のレベルに制限
パターン認識
得点
0 / 10
正答率
0%
正解: 0
不正解: 0
未解答: 10
問題一覧
1
入力パターンに最も近いk個のプロトタイプをとり,その中で最も多数を占めたクラスを識別結果として出力する方法k-NN法
2
最近傍のプロトタイプが属するクラスを識別結果とする方法最近傍決定則
3
距離(例えばユークリッド距離)が最も小さいプロトタイプ最近傍
4
ノイズ除去 (雑音,印刷物の汚れ, 等を取り除く) 正規化 (認識部分を取り出し,大きさを揃える前処理
5
膨大な情報を持つ原パターンから識別に必要な本質的 な特徴のみを抽出する特徴抽出
6
入力パターンを複数のクラスのうちの一つに対応させ る。識別
7
それぞれのクラスの特徴を記憶し,識別に利用する。識別辞書
8
文字認識の場合 -文字線の傾き,幅,曲率,面積,ループの数など 顔認識の場合 -顔の要素(目,鼻,口などの特徴的な点の位置)特徴ベクトル
9
特徴ベクトルによって張られる空間特徴空間
10
濃度値を有限個のレベルに制限量子化
11
メッシュ状に区切ってある濃度値で代表標本化
12
すべての可能性を網羅する代わりに,代表的なパ ターンのみを記憶する方法プロトタイプ
13
プロトタイプの作成など,パターン認識システムを作成する ために (パターン認識を行うために) 与えられるパターン学習パターン
14
クラスごとに,収集した全パターンをプロトタイプとする全数記憶方式
15
クラスを分離する境界決定境界
16
識別部設計用に収集されたパターンを正しく識別で きるようなクラス間分離面を見出すための処理学習
17
学習に用いるパターン学習パターン
18
これに対して未知の入力で学習結果を評価するとき のパターン評価パターン
19
各クラスにそれぞれ関数の値によってパターン x の属するクラスを判定する方法識別関数法
20
識別関数法に用いられる関数識別関数
21
識別関数法に用いられる関数で線形な識別な識別関数の場合線形識別関数
22
線形識別関数のw0とかw1重み係数
23
線形識別関数をベクトル表記したときのw重みベクトル
24
線形識別関数のg(x)=wxのときw拡張重みベクトル
25
線形識別関数のg(x)=wxのときx拡張特徴ベクトル
26
線形和と最大値選択 からなる認識系パーセプトロン
27
学習パターン全体を集合 X で表し,クラス に属 する学習パターンの集合を で表し たときすべての x に対して g ( x) >g ( x)が成り立つwが少な くとも1組存在すること線形分離可能
28
重みベクトル w が張る(d + 1)次元の空間重み空間
29
g(x)=wx>0 g(x)=wx<0 の式を満たす w の存在する領域解領域
30
パーセプトロンの学習規 則重みベクトルの初期値を適当に設定する, X の中から学習パターンを一つ選ぶ, 識別関数によって識別を行い,正しく識別できなかった場合のみ次のように重みベクトルを修正し,新しい重みベクトルを作る, X の全パターンを正しく識別できたら終了
31
X が線形分離可能ならば,パーセプトロンの学習規則は有限回の繰り返しで,解領域の重みベクトルに 到達する。パーセプトロンの収束定理
32
学習係数として固定の値を使う方法固定増分法
33
識別関数の望ましい出力値教師信号
34
教師信号のベクトル教師ベクトル
35
w'=w-p(wTx-b)xWidrow-Hoff の学習規則
36
「線形加重和+しきい値処理」の処理単位しきい値論理ユニット