Это окончание невероятной информации про конструирование психодиагностических тестов.
...
// Proc. Seminar on Pattern Recognition, Liege, Nov., 1977.
Baker R. F., Young F. W., Takane Y. An asymmetric Euclidean Model (available from F. W. Young). — Psychometric Laboratory, Dave Hall 13a, University of North Carolina, Chapel Hill, NC 27514, 1977.
Bently J. L., Weide B. W., Yao A. C. Optimal expectedtime algorithms fc closest point problems // ACM Trans. Math. Software, v. 6, N 4, 1980. — p. 563-
Carrol J. D., Chang J. J. Analysis of Individual Differences i Miltidimensional Scaling via an Generalization of Ecart-Young Decomprosition // Psychometrika, v. 35, N 5, 1970. — p. 283-319.
Chang C. Y. Dinamic programming as applied to feature selection in patte recognition systems // IEEE Trans., v. SMC-3, 1973. — p. 166-171.
Cleary J. G. Analysis of an algorithm for finding nearest neighbour euclidean space // ACM Trans. Math. Software, v. 5, N 2, 1979. — p. 183
Cover Т. М. The best two independent measurement are not the t best // IEEE Trans., v. SMC-4, 1974. — p. 116-117.
Cover Т., Hart P. Nearest neighbour pattern classification // IEEE Trans. Inform. Theory, v. IT-13, 1967. — p. 21—27.
Constantine A. G., Gower J. C. Models for the Analysis of Interregional Migration // Environment and Planning A, 14, 1981. — p. 477-497.
Devroye Lue. Some properties of the k-nearest neighbour rule // Proc. 5 th. Conf. Pattern Recogn. — Miami Beach, Fla, v. 1—2, 1980. — p. 103-105.
Dunnete M. D. Personnel selection and placement. — London: Tavistock Publication, 1966.
Elashoff J. D., Elashoff R. M., Goldman G. E. On the choise of variables // Biometrika, v. 54, 1967. — p. 668-670.
Elithorn A., Mornington S., Stavrov A. Automated psychological testing: Some principles and practic // Int. Journal of Man-machine Studies, v. 17, N 3, 1982. — p. 247-263.
Esconfier Y., Ground A. Analysis Factorielle des Matrice Carrees non Symmetriques // Data Analysis and Informatics, 17—19 October, 1979—1980. — p. 2633-2276.
Fix E., Hodges J. L. Discriminatory analysis, nonparametric discrimination USA School of Medicine. —Texas: Rendolph Field, 1951 — 1952.
Friedman J. H., Tukey J. W. A projection pursuit density estimation // J. Amer. Stat. Ass, 79, 1984. —p. 599—608.
Glass G. V. Note on rank-biserial correlation // Educational and Psychological Measurement, 26, 1966,— p. 623-631.
Harshman R. A. PARAFAC 2: Mathematical and Technical Notes. In Working Papers in Phonetics 22. — University of California at Los Angeles, 1972.
Heiser J. F., Brooks R. E., Ballard J. P. Progress Report: a Computerized Psychopharmacology Advisor // Proc. 7th Colloqium Int. Neuro-Psychopharmacologicum. —Veinna (Austria), 1978.
Keller W. J. Statistical vio Personal Computers // Compstat — 86, Proceedings in Computational Statisticals. — Wien: Physica-Ferlag, 1986. — p. 332-337.
Kittler J. A. Locally sensitive method for claster analysis // Pattern Recognition, v. 8, 1976. — p. 87—94.
Kittler J. A. Feature set search algorithms // Proc. Conf. om Pattern Recogn. and Signal Processing. — Paris, France, 25 June — 4 July, 1978. — p. 41-60.
Kleinmuntz B. Computational and noncomputational clinical information processing by computer // Behavioral Scince, 27, 1982. —p. 164—174.
Lachenburch P. A., Mickey R. M. Estimation of error in discriminant analysis // Technometrics, v. 10, N 1, 1968. — p. 1-11.
Lewis P. M. The characteristic selection problem in recognition systems // IRE Trans., v. IT-8, 1962, N 2.
Lyons J. P., Brown J. Reduction in clinical assesment time using computer algorithms // Behav. Res. Meth. and Instrum., 13, 1981. — p. 407-412.
Marill Т., Green D. M. On the effectivness of receptors in recognition systems // IEEE Trans., v. IT — 9, 1963. — p. 11 - 17.
Meili R. Podrecznik diagnostyki psychologicznej. — Warszawa: PWN, 1969. —373 s.
Michael M., Lin W. C. Experimental study of information measures and inter-intra class distance rations of features selection and ordering // IEEE Trans, v. SMC —3, 1973. — p. 172—181.
Minsky M. Framework for representing knowledge in the Psychology of Computer Vision, P. H. Winston (ed). — McCraw Hill, 1975.
Narendra P. M., Fukunaga K. A. A branch and bound algorithm for feature subset selection // Proc. Cybernetic and Society Inf. Conf. — Washington, D. C., 1976.
Newell A. Heuristic Programming: III Structured Problems // Progress in Operation Research. V. 3. — N. 4.: Weley and Sons, 1969.
Novikoff A. On convergence proofs for perceptrons // Proc. of Symp. on Mathem. Theory of Automata. — Polytechnic Institute of Brooklyn, v. XII, 1963.
Представленные результаты и исследования подтверждают, что применение искусственного интеллекта в области конструирование психодиагностических тестов имеет потенциал
для революции в различных связанных с данной темой сферах. Надеюсь, что теперь ты понял что такое конструирование психодиагностических тестов, традиционные ма тические модели, алгоритмы
и для чего все это нужно, а если не понял, или есть замечания,
то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории
Математические методы в психологии
Продолжение:
Часть 1 Конструирование психодиагностических тестов: традиционные математические модели и алгоритмы
Часть 2 2. Методы, основанные на критерии автоинформативности системы признаков - Конструирование
Часть 3 Дискриминантный анализ - Конструирование психодиагностических тестов: традиционные математические модели и
Часть 4 Типологический подход - Конструирование психодиагностических тестов: традиционные математические модели и
Часть 5 - Конструирование психодиагностических тестов: традиционные математические модели и алгоритмы
Часть 6 - Конструирование психодиагностических тестов: традиционные математические модели и алгоритмы
Комментарии
Оставить комментарий
Математические методы в психологии
Термины: Математические методы в психологии