Пошуку парабол

Пошуку прямих на бінарному зображенні

Пошуку кіл із відомим радіусом

Пошуку еліпсів з фіксованими півосями

Обмежена машина Больцмана

Згортковий шар

Автокодер

Дерево рішень

Обчислення міри схожості

Видалення викидів

Побудова класифікатора

Вибірка оптимальної кількості класів

Класифікація за навчальною вибіркою

Поділ об’єктів на класи за схожістю без відомих правильних відповідей

Віднесення об’єкта до класу на основі відомих еталонів

Використання контрольної вибірки для перевірки точності

Вихідний сигнал

Індуковане локальне поле

Синаптичні ваги

Порогове значення

g(x,y)=log(1+f(x,y))

g(x,y)=c·f(x,y)^γ

g(x,y)=f(x,y)–f(x–1,y)

g(x,y)=∑∑ w(s,t)f(x+s,y+t)

Багатошарова мережа прямого поширення

Лінійна мережа

Одношарова мережа оберненого поширення

Одношарова мережа прямого поширення

Кількістю спектральних каналів

Числом рівнів сигналу, які може реєструвати сенсор

Максимальною площею покриття кадру

Часовими інтервалами між повторними зйомками

Різницю між мінімальною та максимальною відстанню до центру класів

Внутрішньокластерну дисперсію

Число невідомих класів на зображенні

Точність класифікації з поправкою на випадкові збіги

Колір

Текстура

Форма

Тон (яскравість)