témavezető: Fazekas István
helyszín (magyar oldal): Debreceni Egyetem Informatikai Tudományok Doktori Iskola helyszín rövidítés: ITDI
A kutatási téma leírása:
Függvények illesztése statisztikai módszerekkel (lineáris és nem-lineáris regresszió, magfüggvényes becslések) és gépi tanulással (többrétegű perceptron, tartó vektor gépek). Osztályozás statisztikai módszerekkel (diszkriminanica analízis, klaszterezés) és gépi tanulással (többrétegű perceptron, konvolúciós hálózat, tartó vektor gépek). A módszerek összehasonlító elemzése és szoftveres alkalmazásai.
Irodalom
Bosq, D.: Nonparametric Statistics for Stochastic Processes. Springer, 1998.
Cressie, N. A. C.:Statistics for Spatial Data. Wiley, 1993.
DasGupta, Anirban: Asymptotic Theory of Statistics and Probability. Springer Texts in Statistics, 2008.
Goodfellow, I., Bengio, Y., Courville, A.: Deep Learning, MIT, 2016.
Hastie, T., Tibshirani, R., Friedman, J.,: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009.
Haykin, S.: Neural Networks and Learning Machines, Pearson, 2009.
A. W. van der Vaart: Asymptotic Statistics, Cambridge Series in Statistical and Probabilistic Mathematics, 2000.
Jelentkezési határidő: 2024-05-15
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
