Поиск
Подать статью EN
Физико-математические и технические науки

2020 Выпуск №1

Назад к списку Скачать статью
Полетаева Н. Г.

Классификация систем машинного обучения

Страницы / Pages
5-22
обучение с учителем обучение без учителя частичное обучение обучение с подкреплением supervised learning unsupervised learning semisupervised learn­ing reinforcement learning

Аннотация

Приведена классификация методов машинного обучения в зависи­мости от способа обучения, рассмотрены основные алгоритмы машин­ного обучения и область применения. Особое внимание уделено обучению с подкреплением на основе Марковских процессов принятия решений.

Abstract

The classification of machine learning methods is given depending on the technique of learning, the main algorithms of machine learning and the scope of application are considered. Particular attention is paid to reinforcement learning based on Markov decision processes.

Список литературы

1. Жерон О. Прикладное машинное обучение с помощью Scikit-Learn и Ten­sorFlow: концепции, инструменты и техники для создания интеллектуальных систем. СПб., 2018.
2. Катковник В. Я., Полетаева Н. Г. Принцип максимума эмпирического правдоподобия для выбора параметра сглаживания в непараметрических оценках плотности // Вопросы кибернетики. Актуальные задачи адаптивного управления. М., 1982. Вып. 89. С. 90—102.
3. Рашка С. Python и машинное обучение. М., 2017.
4. Васильев С. П., Полетаева Н. Г. Применение методов машинного обучения в задачах оптимизации // Информационные системы и технологии: теория и практика : сб. науч. тр. СПб., 2019. Вып. 11. С. 28—40.
5. Buttyan L., Holczer T., Vajda I. On the effectiveness of changing pseudonyms to provide location privacy in VANETs // Proceedings of 4th European Workshop on Security and Privacy in Ad-hoc and Sensor Networks. Cambridge, 2007. Р. 129—141.