Страницы, включённые в большое количество категорий
Материал из MachineLearning.
Ниже показаны 250 результатов, начиная с № 101.
Просмотреть (предыдущие 250) (следующие 250) (20 | 50 | 100 | 250 | 500)
- Эмпирическое распределение (3 категории)
- Модифицированная ортогонализация Грама-Шмидта (3 категории)
- Робастное оценивание (3 категории)
- Проклятие размерности (3 категории)
- Алгоритм AnyBoost (3 категории)
- Порождение нелинейных регрессионных моделей (пример) (3 категории)
- Регрессионный анализ (рекомендуемые обозначения) (3 категории)
- Бикластеризация (3 категории)
- Анализ формальных понятий (3 категории)
- Байесовские методы машинного обучения (Спецсеминар)/2010-2011 (3 категории)
- Метод Белсли (3 категории)
- FWER (3 категории)
- Множественная проверка гипотез (3 категории)
- SVM регрессия (пример) (3 категории)
- SVM для линейно неразделимой выборки (пример) (3 категории)
- Алгоритм AdaBoost (3 категории)
- Метод парзеновского окна (3 категории)
- Линейный дискриминант Фишера (3 категории)
- Метод Парзеновского окна (пример) (3 категории)
- Algorithmic Learning Theory (конференция) (3 категории)
- EM-алгоритм с последовательным добавлением компонент (пример) (3 категории)
- Однослойный персептрон (пример) (3 категории)
- Метрика (3 категории)
- Критерий Гехана (3 категории)
- Значимость коэффициентов линейной регрессии (3 категории)
- Метод наименьших квадратов с итеративным пересчётом весов (3 категории)
- Анализ регрессионных остатков (3 категории)
- Логистическая регрессия для решения задач классификации (пример) (3 категории)
- Рейтинг международных научных конференций (3 категории)
- ЕМ-алгоритм, его модификации и обобщения (3 категории)
- Модель МакКаллока-Питтса (3 категории)
- Теорема Мерсера (3 категории)
- Теорема Новикова (3 категории)
- Функция ядра (3 категории)
- Однофакторная непараметрическая модель (3 категории)
- Однофакторная параметрическая модель (3 категории)
- Дисперсионный анализ (3 категории)
- Двухфакторная непараметрическая модель (3 категории)
- Критерий Джонкхиера (3 категории)
- Нейрокриптография (3 категории)
- Метод наименьших квадратов (3 категории)
- Статистика (функция выборки) (3 категории)
- Логическая закономерность (3 категории)
- Обобщённая линейная модель (3 категории)
- Оптимальное прореживание нейронных сетей (3 категории)
- Нейронная сеть Кохонена (3 категории)
- R (3 категории)
- International Conference on Signal Processing, Computational Geometry and Artifcial Vision (конференция) (3 категории)
- Методы прямоугольников и трапеций (3 категории)
- Коэффициент эксцесса (3 категории)
- Коэффициент асимметрии (3 категории)
- Регрессионная модель (3 категории)
- Computational Learning Theory (конференция) (3 категории)
- Переобучение (3 категории)
- Применение метода главных компонент (3 категории)
- Критерий Стьюдента (3 категории)
- Павловский, Юрий Николаевич (3 категории)
- Общество промышленной и прикладной математики (SIAM) (3 категории)
- Машинное обучение (3 категории)
- Связанный Байесовский вывод (3 категории)
- Вариационный ряд (3 категории)
- Червоненкис, Алексей Яковлевич (3 категории)
- Антиплагиат (3 категории)
- Интеллектуальный анализ данных (3 категории)
- Машина опорных векторов (3 категории)
- Московский физико-технический институт (государственный университет) (3 категории)
- Регрессионный анализ (3 категории)
- Метод группового учёта аргументов (3 категории)
- Квантиль (3 категории)
- Многомерная случайная величина (3 категории)
- Алгоритм (3 категории)
- Структурные методы анализа изображений и сигналов (курс лекций)/2011 (3 категории)
- Машинное обучение и анализ данных (журнал)/Оформление графиков (3 категории)
- Графические модели (курс лекций)/2017 (3 категории)
- Предсказывающие неравенства в задаче эмпирической минимизации риска (виртуальный семинар) (3 категории)
- Графические модели (курс лекций)/2018 (3 категории)
- Словарь терминов машинного обучения (3 категории)
- Корреляция Мэтьюса (3 категории)
- Графические модели (курс лекций)/2016 (3 категории)
- Графические модели (курс лекций)/2015 (3 категории)
- Метод потенциального бустинга (3 категории)
- Критерий KPSS (3 категории)
- Машинное обучение и анализ данных (журнал) (3 категории)
- Обучение по предпочтениям (3 категории)
- Критерий знаковых рангов Уилкоксона (3 категории)
- Многомерная гусеница, выбор длины и числа компонент гусеницы (пример) (3 категории)
- Частичная автокорреляция (3 категории)
- JMLDA/MVR (3 категории)
- Критерий Диболда-Мариано (3 категории)
- Критерий Неменьи (3 категории)
- Критерий Давидсона-Маккиннона (3 категории)
- Графические модели (курс лекций)/2014 (3 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2013-2014 уч. года (2 категории)
- Практикум на ЭВМ (417)/2016 (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2015-2016 уч. года (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/2014 (2 категории)
- Практикум на ЭВМ (317)/2016-2017 (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2016 (2 категории)
- Алгоритмы, модели, алгебры (курс на ВМК 2015 года) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2014-2015 уч. года (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/правила для постоянных участников (2 категории)
- Практикум на ЭВМ (317)/2013-2014 (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/информация для второкурсников (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/2015 (2 категории)
- Практикум на ЭВМ (317)/2015-2016 (2 категории)
- Пакеты прикладных программ (семинары)/2017 (2 категории)
- Практикум на ЭВМ (317)/2017-2018 (2 категории)
- Практикум на ЭВМ (417)/2017 (2 категории)
- Нейробайесовские методы машинного обучения (курс лекций) / 2019 (2 категории)
- Практикум на ЭВМ (317)/2019 (осень) (2 категории)
- Прикладные задачи анализа данных (курс на ВМК 2018 года) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2018-2019 уч. года (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2019 (2 категории)
- Основные модели данных в аналитической деятельности (курс лекций, А.И. Майсурадзе) (2 категории)
- Нейробайесовские методы машинного обучения (курс лекций) / 2020 (2 категории)
- Обучение с подкреплением (курс лекций) / 2020 (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2020 (2 категории)
- Практикум на ЭВМ (317)/2020 (осень) (2 категории)
- Стилизация фото на AlterDraw.com (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2021 (2 категории)
- Обучение с подкреплением (курс лекций) / 2021 (2 категории)
- Обучение с подкреплением (курс лекций) / 2022 (2 категории)
- Анализ графов, сетей, функций сходства (курс лекций, А.И. Майсурадзе) (2 категории)
- Практикум на ЭВМ (317)/2019 (весна) (2 категории)
- Способы кластеризаци на графе (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2017 (2 категории)
- Прикладные задачи анализа данных (курс на ВМК 2016 года) (2 категории)
- Практикум на ЭВМ (317)/2018 (весна) (2 категории)
- Практикум на ЭВМ (417)/2018 (2 категории)
- Нейробайесовские методы машинного обучения (курс лекций) / 2018 (2 категории)
- Аналитический SQL (курс лекций, А.И.Майсурадзе)/2018H1, ВМК (2 категории)
- Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)/до 2017, ВМК (2 категории)
- Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)/2018H1, ВМК (2 категории)
- Анализ графов, сетей и функций сходства (курс лекций, А.И. Майсурадзе)/2018H1, ВМК (2 категории)
- Введение в машинное обучение (2 категории)
- Практикум на ЭВМ (317)/2018 (осень) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2016-2017 уч. года (2 категории)
- Байесовские методы машинного обучения (курс лекций) / 2018 (2 категории)
- Прикладные задачи анализа данных (курс на ВМК 2017 года) (2 категории)
- Марковский алгоритм кластеризации (2 категории)
- Обучение с подкреплением (курс лекций) / 2023 (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/осень 2013 (2 категории)
- Структурные методы анализа изображений и сигналов (курс лекций)/2011/Задание 1 (2 категории)
- Контроль качества в анализе ДНК-микрочипов (2 категории)
- М-оценка (2 категории)
- Использование метода Белсли для прореживания признаков (2 категории)
- Графические модели (курс лекций)/2012/Задание 1 (2 категории)
- Графические модели (курс лекций)/2012/Задание 2 (2 категории)
- Графические модели (курс лекций)/2012/Задание 3 (2 категории)
- Графические модели (курс лекций)/2012/Задание 4 (2 категории)
- Распознавание изображений с применением текстурного анализа на основе карт Кохонена (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/2011 (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2011-2012 уч. года (весенний семестр) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2011-2012 уч. года (осенний семестр) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2010-2011 уч. года (весенний семестр) (2 категории)
- Суммаризация в анализе ДНК-микрочипов (2 категории)
- Статистический отчет при создании моделей (2 категории)
- Исследование устойчивости оценок ковариационной матрицы параметров (2 категории)
- Структурные методы анализа изображений и сигналов (курс лекций)/2011/Задание 2 (2 категории)
- Временной ряд (библиотека примеров) (2 категории)
- CRISP-DM (2 категории)
- Одномерная линейная регрессия (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов, 2010) (2 категории)
- Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе) (2 категории)
- Математические методы классификации (курс лекций, К.В. Рудаков) (2 категории)
- Математические методы прогнозирования (курс лекций, А.М. Шурыгин) (2 категории)
- Обработка и распознавание изображений (курс лекций, Л.М. Местецкий) (2 категории)
- Прикладные системы распознавания и прогнозирования (курс лекций) (2 категории)
- Практикум на ЭВМ (317)/2011-2012 (2 категории)
- Математические методы прогнозирования (кафедра ВМиК МГУ)/Старый дизайн (2 категории)
- CRISP-DM/Business Understanding (2 категории)
- CRISP-DM/Data Understanding (2 категории)
- Графические модели (курс лекций)/2013/Задание 7 (2 категории)
- Критерий Мак-Нимара (2 категории)
- Поправка Бонферрони (2 категории)
- Расстояние Кука (2 категории)
- Эластичная сеть (2 категории)
- Структурные методы анализа изображений и сигналов (курс лекций) (2 категории)
- Метод Холма (2 категории)
- Графические модели (курс лекций)/2013 (2 категории)
- Метод Бенджамини-Хохберга (2 категории)
- Метод Бенджамини-Иекутиели (2 категории)
- WM-критерий (2 категории)
- Графические модели (курс лекций)/2014/Задание 2 (2 категории)
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/весна 2013 (2 категории)
- Спецкурс «Прикладные задачи анализа данных» (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2012-2013 уч. года (весенний семестр) (2 категории)
- CRISP-DM/Evaluation (2 категории)
- CRISP-DM/Deployment (2 категории)
- CRISP-DM/Data Preparation (2 категории)
- CRISP-DM/Modeling (2 категории)
- Графические модели (курс лекций)/2012 (2 категории)
- Практикум на ЭВМ (317)/Autoencoder (2 категории)
- Прогнозирование плотности транспортного потока (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2012-2013 уч. года (оссенний семестр) (2 категории)
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2012-2013 уч. года (осенний семестр) (2 категории)
- Maxima (2 категории)
- Практикум на ЭВМ (317)/2012-2013/Autoencoder (2 категории)
- Практикум на ЭВМ (317)/2012-2013 (2 категории)
- Практикум на ЭВМ (317)/2014-2015 (2 категории)
- Персептрон (2 категории)
- Алгоритм СТОЛП (2 категории)
- Инструменты и технологии (2 категории)
- Информационные технологии и системы (конференция) (2 категории)
- LinguaStream (2 категории)
- Критерий Уилкоксона двухвыборочный (2 категории)
- Спецсеминар "Новые методы в распознавании образов и прогнозировании" (2 категории)
- RapidMiner (2 категории)
- DELVE (2 категории)
- Скользящий контроль (2 категории)
- Оценивание плотности распределения (2 категории)
- Алгоритм INCAS (2 категории)
- Joone (2 категории)
- Метод Монте-Карло (2 категории)
- Размерность Вапника-Червоненкиса (2 категории)
- Стратификация (2 категории)
- Метод потенциальных функций (2 категории)
- Функция конкурентного сходства (2 категории)
- Алгоритм FRiS-СТОЛП (2 категории)
- Прикладная алгебра (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов) (2 категории)
- Критерии нормальности (2 категории)
- SIAM Journal on Imaging Sciences (2 категории)
- Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов) (2 категории)
- Факультет управления и прикладной математики МФТИ (2 категории)
- Теория Вапника-Червоненкиса (2 категории)
- Базы данных изображений (2 категории)
- Разнообразие (2 категории)
- Факультет вычислительной математики и кибернетики МГУ (2 категории)
- Функция роста (2 категории)
- Криптография (2 категории)
- Теория Валианта (2 категории)
- Алгоритм имитации отжига (2 категории)
- Квадратичный дискриминант (2 категории)
- Метод Ньютона-Гаусса (2 категории)
- Интеллектуализация обработки информации (конференция) (2 категории)
- Анализ регрессионных остатков (пример) (2 категории)
- International Conference on Frontiers of Handwriting Recognition (конференция) (2 категории)
- Взвешенное среднее Тьюки (2 категории)
- Однослойные сети RBF для решения задач регрессии (пример) (2 категории)
- Анализ мультиколлинеарности (пример) (2 категории)
- Фоновая поправка в анализе ДНК-микрочипов (2 категории)
- ДНК-микрочип (2 категории)
- Прогнозирование формы множества (2 категории)
- Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин) (2 категории)
- Обучение без учителя (2 категории)
- Достаточная статистика (2 категории)
- Исследование данных о посещаемости сайтов с помощью методов анализа формальных понятий (2 категории)
- Неточные множества (2 категории)
- Сингулярное разложение (2 категории)
- Школа анализа данных Яндекса (2 категории)
Просмотреть (предыдущие 250) (следующие 250) (20 | 50 | 100 | 250 | 500)
