SCI Библиотека

Краткая сводка основных понятий и методов математической статистики. Содержит множество примеров приложения теории к конкретным статистическим задачам. Послужит хорошим дополнением к книгам Д. Кокса и Д. Хинкли «Теоретическая статистика» (М.: Мир, 1978), «Задачи по теоретической статистике с решениями» (М.: Мир, 1981).
Книга будет полезна студентам, аспирантам и специалистам, занимающимся математической статистикой, а также широкому кругу инженеров и научных работников, использующих ее методы.

Первое систематическое изложение теории робастных оценок — важного и интенсивно развивающегося направления современной математической статистики.
Монография написана американским специалистом — одним из создателей этой теории. В ней обобщены разрозненные методы проверки устойчивости конкретных статистических процедур. Часть результатов публикуется впервые. Приведены алгоритмы вычислений робастных оценок, а также таблицы, количественно характеризующие робастность нескольких оценок.
Для научных работников, инженеров и студентов, специализирующихся в области математической и прикладной статистики

Книга профессора Морана, одного из ведущих специалистов в своей области, посвящена изложению результатов исследования математических моделей популяционной генетики. Основное внимание в книге уделено эволюции генетического состава популяции, в частности исследованию стационарных распределений при ограничениях разного рода. Используемый математический аппарат доступен для читателей-нематематиков.
Книга может быть полезна биологам, интересующимся современным состоянием математической биологии. Читатель-математик найдет здесь много нерешенных задач, способных положить начало интересным исследованиям.

Предлагаемая читателю книга американских математиков Самюэля Карлина и Вильяма Стаддена необычайно привлекательна богатством приложений излагаемой в ней фундаментальной теории.

Приложения в области анализа, теории вероятностей, математической статистики и теории планирования эксперимента делают эту книгу весьма актуальной.

Монография посвящена изучению временных рядов, встречающихся в различных областях физики, механики, астрономии, техники, экономики, биологии, медицины. Основная ориентация книги — практическая: методы теоретического анализа иллюстрируются детально проработанными примерами, а результаты наглядно представлены на многочисленных графиках. Вместе с тем теоретический уровень изложения очень высок. Для более глубокого понимания выводов и выкладок приводится большое число упражнений. Книга рассчитана на математиков и специалистов различных областей науки и техники. Она доступна аспирантам и студентам университетов.

Монография американских ученых, рассчитанная на читателей, знакомых с основами математической статистики, но не имеющих опыта работы с ЭВМ и не знающих программирования. Изложение ориентировано на применение пакетов прикладных программ, приведены примеры из биологии, медицины, гуманитарных наук. Для математиков-прикладников, научных работников, использующих статистический анализ, для аспирантов и студентов университетов.

Рассматриваются нейросетевые технологии статистической обра-
ботки малых выборок, основанной на использовании быстрых алгорит-
мов автоматического обучения и быстрых алгоритмов тестирования
нейросетевых преобразователей. Основной задачей вводного курса явля-
ется снятие барьера, возникшего сегодня между классической статисти-
кой и технологиями создания и применения нейросетевых решений.
В качестве базовой основы курса используется программное сред-
ство моделирования нейросетевых преобразователей биометрических
данных рукописных легко запоминаемых парольных фраз в длинный
очень трудно запоминаемый людьми личный криптографический ключ.
Обучение начинается с вводной лекции и самостоятельного выполнения
трех лабораторных работ, это позволяет обучающимся самостоятельно
получить первоначальные навыки по обучению искусственных нейрон-
ных сетей и их тестированию.
Курс ориентирован на курсантов и адъюнктов, уже владеющих ос-
новами математической статистики. Специальных знаний по нейроин-
форматике (программированию) от обучаемых не требуется, также нет
необходимости в освоении глубоких знаний, относящихся к физико-
математическим наукам

Рассматривается проблема обнаружения и корректировки ошибок в выходном коде нейронной сети, заранее обученной распознавать уникальный биометрический образ человека. Использование для этой цели обычных самокорректирующихся кодов с высокой избыточностью возможно, однако приводит к многократному сокращению длины получаемого из выходного кода криптографического ключа аутентификации. Рассматриваемые в работе коды формируют синдромы ошибок в виде отдельно хранящихся коротких фрагментов хеш-функции. Исправление ошибок ведется перебором возможных состояний выходного кода путем изменения одного, двух, трех разрядов, что не приводит к значительному сокращению длины получаемого ключа. Ускорение перебора выполняется определением показателей стабильности наиболее слабых разрядов выходного кода. Преимущества рассматриваемых в работе процедур обнаружения и исправления ошибок возникают в ситуации, когда данные нейросетевого решающего правила искусственного интеллекта биометрических приложений защищены криптографическими механизмами от исследования. Классические самокорректирующиеся коды с высокой избыточностью не способны править разряды кодов после их защиты шифрованием. Предложенные же коды без избыточности оказываются частично гомоморфны к некоторым криптографическим механизмам размножения ошибок.

Освещены актуальные вопросы использования сетей линейных нейронов (персептронов) и квадратичных нейронов с многоуровневым квантованием биометрических данных в биометрических средствах аутентификации личности. Проведен краткий анализ возникновения и использования искусственных нейронных сетей в контексте бионических представлений, копирования наблюдаемых эффектов в сетях естественных нейронов. Приведена сравнительная оценка мощности линейных и квадратичных нейронов, рассмотрены их достоинства и недостатки. Подробно описаны алгоритмы обучения и тестирования сетей квадратичных нейронов с многоуровневым квантованием биометрических данных в средствах высоконадежной биометрико-нейросетевой аутентификации личности, выполненных в защищенном от исследования варианте. Издание будет полезно студентам, аспирантам и научным работникам, занимающимся вопросами применения нейронных сетей в биометрических средствах защиты информации.

Доверенный сильный искусственный интеллект и доверенный слабый искусственный интеллект отличаются кардинально по затратам ресурсов на их тестирование. При тестировании сильного искусственного интеллекта обычными методами затраты памяти и вычислительных ресурсов оказываются огромны. Классическая статистика активно использует коэффициенты корреляции двух переменных или коэффициенты автокорреляции одной переменной. Нейросетевой статистический анализ применим к данным очень высокой размерности, он строится как некоторое подобие классического низкоразмерного статистического анализа. В этом отношении кроссвертки и автосвертки кодов по Хэммингу являются, в некотором смысле, высокоразмерными аналогами обычных двухмерных коэффициентов корреляции. Издание предназначено для обучающихся, аспирантов, преподавателей, инженеров, занимающихся проблемами применения нейросетевого искусственного интеллекта для решения задач биометрии и иных приложений искусственного интеллекта в защищенном от исследования исполнении.