Prezentowana książka przedstawia grupę metod tworzenia modeli eksploracyjnej analizy danych oraz projektowania narzędzi wydobywania wzorców ze zbiorów danych opartych na minimalizacji wypukłych i odcinkowo-liniowych funkcji kryterialnych (ang. convex and piecewise linear criterion functions - CPL). Brane są tu pod uwagę tzw. wzorce geometryczne, które mają postać wypukłych wielościanów wydzielonych w wielowymiarowej przestrzeni cech przez rodzinę hiperpłaszczyzn. Do uwzględnionych funkcji typu CPL należy perceptronowa funkcja kryterialna (ang. Perceptron Criterion Function). Funkcja ta wywodzi się z koncepcji Perceptronu zaproponowanej w połowie XX wieku przez F. Rosenblatta. Idea Perceptronu wiązana jest z początkami teorii sieci neuropodobnich oraz początkami rozpoznawania obrazów. Analizowana rodzina funkcji typu CPL zawiera również funkcje dipolową oraz różnicową. Dipolowa funkcja kryterialna znajduje zastosowanie w projektowaniu hierarchicznych struktur z neuronów formalnych oraz wielowymiarowych drzew decyzyjnych. Różnicowa funkcja kryterialna używana jest m.in. w projektowaniu liniowych transformacji wizualizacyjnych umożliwiających interaktywne wydobywanie wzorców.
Spis treści:
I. Wstęp
II. Probabilistyczne modele klasyfikacji
III. Funkcje kryterialne klasyfikacji liniowej
IV. Uczenie neuronów formalnych a perceptronowa funkcja kryterialna
V. Warstwy neuronów formalnych jako narzędzie separowalnej kompresji danych oraz ich klasyfikacji
VI. Algorytmy wymiany rozwiązań bazowych
VII. Projektowanie separujących warstw neuronów formalnych - strategie rangowa i dipolowa
VIII. Funkcje kryterialne w projektowaniu warstw separujących
IX. Separujące transformacje liniowe oparte na modelach dipolowych
X. Regresyjne odwzorowania liniowe
XI. Selekcja zestawów cech liniowo separowalnych
XII. Wydzielanie skupień - algorytm K średnich oparty na normach Li oraz L
XIII. System wspomagania diagnostyki "Hepar"
XIV. Zakończenie
Dodatek. Elementy rachunku wektorowego i macierzowego
Bibliografia