Angabe von heute, 30.05.2007

[Saruman]

Hier was ich noch im Kopf hab, vielleicht kanns ja wer ergänzen oder ausbessern...:

Kurze Fragen
------------

Ist die Klassifizierung mit Mahalanobis-Distance ein parametrisches Verfahren oder nicht?
Ist ein MLP überwacht oder unüberwacht?
Wie sieht die Aktivierungsfunktion in einer Einheit in einem Backpropagation Netzwerk aus?
Berechnen der Hamming-Distanz
PCA Vektoren einzeichnen

Rechenbeispiele
---------------

Bayes Theorem wie Fischbeispiel im Skriptum
kovarianz-Matrix, Diskriminanz-Funktion, Entscheidungsgrenze finden

Genaue Fragen
-------------

Binären Entscheidungsbaum aufzeichnen
Klassifizierung mit Mahalanobis-Distanz

Text schreiben zu einem der Themen
----------------------------------

???
Bias, Varianz, Generalisierungsfähigkeit
Merkmalsextraktion in der Biometrie

[klausi]

Habe diese Angabe auch im VoWi verlinkt: http://vowi.fsinf.at/wiki/TU_Wien:Einf%C3%BChrung_in_die_Mustererkennung_VO_ %28Hanbury%29

[narcotizer]

ich hätt da mal ne frage:

mich würde intessieren, wie die punkte vergabe bei der VO prüf ausschaut?! find darüber nichts im netz... also wieviele punkte kann man insgesamt erreichen, positiv is man schätz ich mal ab der hälfte (?), und welche bsp haben am meisten gewicht?

[narcotizer]

oke, habs grade selber in nem anderen thread gefunden *lol*

aber für die dies auch wissen wollen:

- mehrere kurze theorie fragen, machen 6 punkte aus
- rechenbeispiele , machen 12 pkte
- eine detaillierte theor. frage, macht 6 pkte
- ein kurzer aufsatz, ca. 150 wörter, aus 3 themen eines auswählen, macht 6 pkte.
insges. können 30 erreicht werden

[TheWhiteRabbit]

Hmm inwiefern ist das auswendiglernen von Formeln wichtig? z.B.: Berechnung des Mittelwerts über die Normalverteilung.

Und was steht in dem Aufsatz so drinnen bzw wie is die aufgabenstellung?

[narcotizer]

also, was ich bis jez so an angaben von efme zusammengesammelt habe, waren folgende sachen als aufsatz:

3. Aufsatz
- biometrie
- PCA Eigenfaces
- nicht mehr ganz so sicher aber: backpropagation netz
--------------------------------------------------------------------

Text schreiben zu einem der Themen:
???
Bias, Varianz, Generalisierungsfähigkeit
Merkmalsextraktion in der Biometrie
---------------------------------------------------------------------
ENTWEDER (a)
k-NN Klassifikator und Mahalanobis Distanz:
erklären was das ist, ob es parametrisch oder nicht-parametrisch ist
warum für k meist ungerade zahlen genommen werden
unterschied parametrische / nicht-parametrische Klassifikatoren
die beiden vergleichen (anhand von speicheraufwand und laufzeit)

ODER (b) [hab ich mir nicht so genau gemerkt]
Backpropagation Algorithmus
Verbesserungen desselben

[LolaRuns]

Gehe ich recht in der Annnahme das Mahalanobis ein parametrisches Verfahren ist weil ich dabei annehme dass die pdf eine Normalverteilung ist? Oder versteh ich da was falsch?

[lEn00x]

Mahalanobis Dist. ist ein parametrisches Verfahren, da du dort die Paramter µ und Cov hast.

[Sulik]

Verbesserung eines Backpropagation Algorithmus?
Also mir fallt da jetzt spontan nix dazu ein, und in den Folien steht auch nix dazu, in der VO hat er das auch nur nebenbei erwähnt

Was für welche solls denn da leicht geben?

achja, ne Frage noch. Wie stehts mit dem Bilden einer Inversen Matrix und Eigenvektor/wert Berechnung. Aus dem Stehgreif könnt ich die jetzt nicht, müsste ich wieder bisschen auffrischen.

[narcotizer]

inverse martix geht ja eh noch, die eigenwerte hab ih ah noch zamdabracht heute, aber die eigenvektoren sin dann schon ein bissi "lustig" ......

ih hoff es kommt kein allzu schweres rechenbeispiel, weil wenn man zB ne diskriminanten funktion (+mahalanobis distance) händisch ausrechnen muss, da schreibst di ja zum trottel *gggg*

[TheWhiteRabbit]

Ich habe n Skript aus 2005 vielleicht ist da ja n Fehler enthalten!?!

Bei Randverteilungen im Skript gibts ja Helligkeit und Länge. Länge hat 4 Klassen, Helligkeit 2. Ich kann mir einfach nicht erklären wie man da auf die Joint Probabilities kommt.

[Sulik]

wieso? wo ist das problem, die sind ja von anfang an gegeben aus dem trainingsdatensatz. Und zwar 0.08 Prozent der Fische haben z.B. Länge 1 und haben Helligkeit 1. Das tust du einfach statistisch aus deinem Trainingsdatensatz ermitteln.

Aus den Randverteilungen berechnet man sich da erstmal nix, weil die ja nicht unabhängig sind.

[TheWhiteRabbit]

Aso dachte die wurden irgendwie aus dem Diagramm und der Wahrschienlichkeit oder so errechnet ;)

[LolaRuns]

Verbesserung eines Backpropagation Algorithmus?
Also mir fallt da jetzt spontan nix dazu ein, und in den Folien steht auch nix dazu, in der VO hat er das auch nur nebenbei erwähnt


Ich hätte gedacht dass da die Punkte unter "Weitere Trainingsalgorithmen" gemeint sind. Bei mir Folie 41 im Backpropagation Kapitel.

Wie ist/war das eigentlich mit den Eigenvektoren. Wieviel war da gegegeben? Nur die Anfangswerte und man muss sich alles daraus berechnen? Oder ist wenigsten die Kovarianzmatrix schon gegeben?

[Dyne]

hat jemand einen PO bei der hand und kann ihn bitte posten?
ich würd nur gerne wissen, wie die Fragen für die rechenbeispiele gestellt werden.
also ob zb bei entscheidungsgrenze finden die mittelwerte gegeben sind, oder ob man sich alles berechnen muß..

dauert ja auch eine gewisse zeit, bis man das alles berechnet hat..

[LolaRuns]

Im LU Forum ist eine Art PO aber der ist da auch nicht deutlicher was die Rechenbeispiele anbelangt.

[narcotizer]

das is alles, was ich zusammengesammelt habe:



(1) Was ist ein Merkmal?
Wann ist ein Merkmal "gut"?
Wozu werden Merkmale in der Mustererkennung verwendet?

(2) Erkennen von Dominosteinen. Es war eine Abbildung mit mehreren Dominosteinen und ein zugehöriges Histogramm für die Grauwertverteilung auf der Angabe und man sollte beschreiben wie man weiter vorgehen würde um die steine zu klassifizieren.
welche probleme oder schwierigkeiten man dabei haben kann.

(3) a priori wahrscheinlichkeit
a posteriori wahrscheinlichkeit
unterschied
bayes theorem (Formel sollte man können)
bayes decision rule
conditional error (Formel sollte man können)
error rate (Formel sollte man können)


und zu dem ganzen ein rechenbeispiel, wie auf den VO Folien

(4) Hier war zwischen zwei Fragen zu wählen:

ENTWEDER (a)
k-NN Klassifikator und Mahalanobis Distanz:
erklären was das ist, ob es parametrisch oder nicht-parametrisch ist
warum für k meist ungerade zahlen genommen werden
unterschied parametrische / nicht-parametrische Klassifikatoren
die beiden vergleichen (anhand von speicheraufwand und laufzeit)

ODER (b) [hab ich mir nicht so genau gemerkt]
Backpropagation Algorithmus
Verbesserungen desselben

(5) Generalisierungsfähigkeit von Klassifikatoren
Bias, Varianz von Klassifikatoren erklären
Was in der Praxis gemacht wird um diese beiden zu minimieren


------------------------------------------------------------------------


(1) Theoriefragen
- Perceptron in der Ebene einzeichnen
- Forwardpass
und noch ein paar mehr, aber durchaus schaffbar

(2) Rechenbeispiele
- Mahalanobis Distanz berechnen (Kovarianz Matrix und dgl.)
- Fischbeispiel so ähnlich wie im Skriptum
- noch ein drittes...

(4) Aufsatz
- biometrie
- PCA Eigenfaces
- nicht mehr ganz so sicher aber: backpropagation netz

------------------------------------------------------------------------

(1)Kurze Fragen:
Ist die Klassifizierung mit Mahalanobis-Distance ein parametrisches Verfahren oder nicht?
Ist ein MLP überwacht oder unüberwacht?
Wie sieht die Aktivierungsfunktion in einer Einheit in einem Backpropagation Netzwerk aus?
Berechnen der Hamming-Distanz
PCA Vektoren einzeichnen


(2) Rechenbeispiele:
Bayes Theorem wie Fischbeispiel im Skriptum
kovarianz-Matrix, Diskriminanz-Funktion, Entscheidungsgrenze finden

(3) Genaue Fragen:
Binären Entscheidungsbaum aufzeichnen
Klassifizierung mit Mahalanobis-Distanz

(4) Text schreiben zu einem der Themen:
???
Bias, Varianz, Generalisierungsfähigkeit
Merkmalsextraktion in der Biometrie

-----------------------------------------------------------------------


- Reihenfolge Forward, Backward, Fehler
- PCA Vektoren einzeichnen
- Online Perceptron Training Algorithmus, wann konvergiert
- Hammingdistanz ausrechnen
- Diskriminantenfunktion, Entscheidungsregion, -grenzen
- k-NN, Vor-, Nachteile, parametrisch/nicht-parametrisch

Rechenbeispiel
mit Fischen wie im Skript
zu Mahalanobis

Text über Biometrie, Bias&Varianz oder ?

[narcotizer]

wobei das erste davon schon sher alt und glaub ich halt nima soo aktuell is....

[LolaRuns]

Hier ist der Thread wo ein PO gepostet wurde. Sind leider nicht wirklich neue Fragen und nicht wirklich Rechnungen: http://www.informatik-forum.at/showthread.php?t=42245

[LolaRuns]

Übrigens wäre auch interessant zu wissen wie das mit dem Entscheiungsbaum strukturiet ist. Ist das eher ein einfaches/offensichtliches Beispiel? Oder eins wo man mühsam das deltaError berechnen muss und lange überlegen muss welches jetzt discriminativste Attribut ist?