شناسایی الگو و تقریب توابع (رگرسیون) - بخش دوم

توضیحات

کاربردهای شبکه های عصبی- شناسایی الگو (Pattern Recognition) یا طبقه بندی(Classification) و تقریب تابع (رگرسیون) Pattern Recognition and Function Approximation (Regression) b. بخش دوم i. بررسی کیفیت طبقه بند خطی و غیر خطی در مثال زده شده ii. توضیح مفاهیم زیربرازش-برازش مناسب-بیش برازش under fitting- optimal/good fitting -over fitting iii. طبقه بند K نزدیکترین همسایه KNN iv. مفهوم داده پرت outlier v. تعاریف فاصله اقلیدسی، منهتن، ماکزیمم یا مربعی و ماهالونوبیس Mahalanobis vi. خوشه بندی kمیانگین Kmeans vii. تعریف LDA بعنوان تابع تمایز خطی و رابطه آن با تک نورون viii. بیان خاصیت تک نورون بعنوان طبقه بند خطی ix. تعریف تقریب تابع و رگرسیون خطی x. نویز مشاهدات و فرمول بندی مسئله در حالت یک ورودی xi. فرمول بندی پیدا کردن پارامترهای خط عبوری از بین داده ها xii. فرمول بندی در حالت چند ورودی و رابطه آن با نورون خطی xiii. الگوریتم حل افلاین/MSE/شبه معکوس برای پیدا کردن پارامترها