बिना शिक्षक के पैटर्न को पहचानने के लिए सीखना

पैटर्न पहचान या संकेत पहचान में एक महत्वपूर्ण समस्या यह है कि एक पैटर्न को पहचानना जो सांख्यिकीय रूप से पूरी तरह से वर्णित है, केवल अज्ञात मापदंडों के एक सीमित सेट को छोड़कर। यदि किसी मशीन से एक से अधिक अवसरों पर ऐसी समस्या को हल करने की आवश्यकता है, तो इस पुनरावृत्ति का लाभ उठाना संभव है। कोई ऐसी मशीन डिजाइन कर सकता है जो पैटर्न को पहचानने के साथ-साथ इन अज्ञात मापदंडों के बारे में अधिक से अधिक प्रासंगिक जानकारी निकालती है और उन्हें अधिक चयनात्मक बनाने के लिए खुद को फिर से समायोजित करती है; मशीन का प्रदर्शन समस्या पर अनुभव प्राप्त करते हुए बेहतर होता है। यह पेपर कई ऐसी समस्याओं के लिए उपयुक्त एक मॉडल प्रस्तुत करता है और एक मशीन के रूप में समाधान विकसित करता है जो बिना बाहरी सहायता के समस्या को हल करना "सीखता" है। ऐसी मशीनों को "बिना शिक्षक के सीखने" का कहा जाता है। मॉडल समस्या के लिए बेयस समाधान अज्ञात मापदंडों की वास्तविकता पूर्व संभावना घनत्व की गणना की आवश्यकता होती है। इस घनत्व के लिए एक पुनरावृत्त समीकरण व्युत्पन्न किया गया है। यह समीकरण एक अपेक्षाकृत सरल सीमित आकार की प्रणाली की संरचना का वर्णन करता है जिसे विलंब-प्रतिपुष्टि रूप में realiz किया जा सकता है। मॉडल का अनुप्रयोग और एक शिक्षण प्रणाली का संश्लेषण अज्ञात अम्प्लीट्यूड के संकेतों की पहचान के लिए एक रिसीवर के व्युत्पत्ति द्वारा स्पष्ट किया गया है।