М.І. ШЛЕЗІНГЕР,
Міжнародний науково-навчальний центр інформаційних технологій та систем Національної академії наук України та Міністерства освіти і науки України, Київ, Україна,
schles@irtc.org.ua
Є.В. ВОДОЛАЗСЬКИЙ,
Міжнародний науково-навчальний центр інформаційних технологій та систем Національної академії наук України та Міністерства освіти і науки України, Київ, Україна,
waterlaz@gmail.com
Анотація. Виконано аналіз задач розпізнавання образів і машинного навчання у випадку, коли якість стратегій для їхнього розв’язання визначається ризиком під час їхнього використання. Спираючись на поняття багатокритерійної оптимізації, визначено клас стратегій, непридатних для розв’язання задач, і виведено загальний вигляд усіх інших стратегій. Показано, що застосування окремих широковживаних підходів призводить до непридатних у визначеному сенсі стратегій. Зокрема, це стратегії, що ґрунтуються на найвірогіднішому оцінюванні, особливо у разі використання навчальних вибірок фіксованого і малого обсягу. Сформульовано задачі розпізнавання і навчання в єдиній уніфікованій формі, яка охоплює увесь спектр обсягів навчальних вибірок, що включає вибірки нульового обсягу. Доведено, що розв’язання задач у наведеному формулюванні виключає отримання непридатної стратегії. Сформульовано поняття стратегій розпізнавання і навчання, що мінімізують максимальне відхилення досягнутої якості від бажаної, яка, можливо, є недосяжною. Наведено приклади побудови таких стратегій та їхнього порівняння з широковживаними методами, що ґрунтуються на найвірогіднішому оцінюванні.
Ключові слова: розпізнавання образів, машиннне навчання, короткі навчальні вибірки.