Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






  • Как продвинуть сайт на первые места?
    Вы создали или только планируете создать свой сайт, но не знаете, как продвигать? Продвижение сайта – это не просто процесс, а целый комплекс мероприятий, направленных на увеличение его посещаемости и повышение его позиций в поисковых системах.
    Ускорение продвижения
    Если вам трудно попасть на первые места в поиске самостоятельно, попробуйте технологию Буст, она ускоряет продвижение в десятки раз, а первые результаты появляются уже в течение первых 7 дней. Если ни один запрос у вас не продвинется в Топ10 за месяц, то в SeoHammer за бустер вернут деньги.
    Начать продвижение сайта
  • Завдання на курсову роботу






    Варіант 1. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 16;

    · кількість реалізацій образу одного класу -30;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 2. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 16.

    · кількість реалізацій образу одного класу -30.

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 3. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 16.

    · кількість реалізацій образу одного класу -30.

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 4. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

    · кількість ознак розпізнавання - 16;

    · кількість реалізацій образу одного класу -30;

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 5. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 100 100 пікселів;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 6. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

    · рецепторне поле 100 100 пікселів;

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 7. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 150 150 пікселів;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 8. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 150 150 пікселів;

    · інформаційний критерій оптимізації за Куль баком.

    Варіант 9. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 100 100 пікселів;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 10. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 100 100 пікселів;

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 11. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 150 150 пікселів;

    · інформаційний критерій оптимізації за Шенноном

    Варіант 12. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 150 150 пікселів;

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 13. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 200 200 пікселів;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 14. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох стаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 200 200 пікселів;

    · інформаційний критерій оптимізації за Куль баком.

    Варіант 15. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 200 200 пікселів;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 16. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох нестаціонарних за яскравістю зображень (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · рецепторне поле 200 200 пікселів;

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 17. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 18;

    · кількість реалізацій образу одного класу -30;

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 18. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання двох класів розпізнавання (М=2) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 18.

    · кількість реалізацій образу одного класу -30.

    · інформаційний критерій оптимізації за Кульбаком.

    Варіант 19. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань (МФСВ). Задано такі параметри:

    · кількість ознак розпізнавання - 15.

    · кількість реалізацій образу одного класу -30.

    · інформаційний критерій оптимізації за Шенноном.

    Варіант 20. Розробити та програмно реалізувати базовий алгоритм навчання СПР для розпізнавання трьох класів розпізнавання (М=3) і алгоритм екзамену за методом функціонально-статистичних випробувань. Задано такі параметри:

    · кількість ознак розпізнавання - 15;

    · кількість реалізацій образу одного класу -30;

    · інформаційний критерій оптимізації за Кульбаком.






    © 2023 :: MyLektsii.ru :: Мои Лекции
    Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
    Копирование текстов разрешено только с указанием индексируемой ссылки на источник.