Содержание курса
1
раздел
27
уроков
0 ч.
обн. 13 августа 2026
Теория соседства и задачи искусственного интеллекта
28 уроков
1.
Модель, задачи и принципы Теории соседства.
↗
2.
Качественное описание Теории соседства.
↗
3.
Метрические и квазиметрические пространства.
↗
4.
Области Вороного; Общий вид критерия соседства.
↗
5.
Алгоритм нахождения соседних точек; Фундаментальный критерий.
↗
6.
Коэффициент связности и другие параметры графа соседства.
↗
7.
Квазиметрика соседства; Соседние подсистемы и сферические слои.
↗
8.
Байесовская модель и информационная теория энтропии.
↗
9.
Размерность, объем и мера.
↗
10.
Энтропия байесовской системы и Лагранжиан.
↗
11.
Регрессионный анализ и задача классификации.
↗
12.
Алгоритмы построения деревьев поиска
↗
13.
Распределение точек в ССС и в зависимости от расстояния.
↗
14.
Локальная макроскопическая область; Распределения и флуктуации.
↗
15.
Диффузия.
↗
16.
Кривизна и эволюция потоков Риччи.
↗
17.
Кластеризация.
↗
18.
Нейронные сети. Количество параметров и алгоритм их вычисления.
↗
19.
Множества и мультимножества.
↗
20.
Строки и последовательные события.
↗
21.
Генеративная модель.
↗
22.
Линейное программирование.
↗
23.
Транспортная задача.
↗
24.
Квазилинейное программирование и обобщенная транспортная задача.
↗
25.
Диффузионная модель.
↗
26.
Распознавание изображений. Вероятность и время.
↗
27.
Комплексные марковские цепи и влияние на графе.
↗
28.
Цепи квантовых переходных матриц.
↗