13 521
правка
Изменения
м
Новая страница: «Билеты к курсу «Математические методы распознавания образов».<br /> лектор: к.ф.-м.н. Дьяконо...»
Билеты к курсу «Математические методы распознавания образов».<br />
лектор: к.ф.-м.н. Дьяконов А. Г.<br />
весенний семестр 2006 года, 317 группа.
# Машинное обучение. Обучение с учителем / без учителя, с подкреплением (reinforcement learning). Различные постановки задач классификации, сведение одних постановок к другим. Пример использования различных моделей алгоритмов распознавания для решения одной задачи.
# Непараметрическая оценка плотности. Два подхода: kernel density estimation (KDE) и k nearest neighbor (kNN). Метод «окно Парзена». Метод «kNN». kNN-классификатор. Понятие «ленивого алгоритма». Эффективная реализация kNN-классификатора.
# Классификация с помощью дискриминантных функций (основная концепция, применение, случай нескольких классов). Линейная дискриминантная функция. Теорема Новикова. Схема поощрения-наказания. Алгоритм дробной коррекции.
# Оптимальная разделяющая гиперплоскость. Алгоритм Гаусса-Зейделя.
# Алгоритм, основанный на минимизации средней квадратичной ошибки. Алгоритм Хо-Кашьяпа. Линейный дискриминант Фишера.
# Случай линейно неразделимых классов. Метод потенциальных функций (общая схема, применение, примеры потенциалов 1го и 2го типа, теорема о сходимости, построение систем о/н функций).
# SVM (основная идея, сведение к задаче квадратичного программирования, выбор ядра, применение).
# Нейросети. Математическая модель нейрона. Задача XOR. Многослойные нейросети (общая схема, реализация булевых функций, классификация произвольных конечных выборок). Иллюстрация эффекта переобучения. Функции активации.
# Теорема Колмогорова. Эвристики настройки нейросети (дельта правило, правило Хебба, delta-bar-delta). Алгоритм обратного распространения.
# Алгебро-логические исследования персептрона (результаты Минского и Пейперта). Порядок предикатов, ограничение по диаметру, предикаты «выпуклость», «связность», «чётность». Использование формулы Эйлера.
# Скользящий контроль. Бритва Оккама. Принцип MDL. Применения нейросетей. Кодирование. RBF-сети.
# Кластеризация. Постановка задачи. Алгоритм k-средних (стандартный и «мягкий»). Кластеризация с помощью минимизации функционала. Метрики. «Основной» алгоритм кластеризации.
# Иерархическая кластеризация. Дендограммы. Графовые алгоритмы. Single link (ближайший сосед), complete link (дальний сосед). Ничьи. Слияние кластеров (различные подходы). Оценка алгоритмов кластеризации. Классификация алгоритмов.
# Логические алгоритмы распознавания. Логическая закономерность. Классификация с помощью ДНФ. Общая схема логических алгоритмов. Алгоритм «Кора». Алгоритмы с представительными наборами.
# АВО. Решающие деревья. Решающие списки. Тестовые алгоритмы. Задача о покрытии.
# Комитеты (большинства, единогласия). Оценки числа членов комитета. Построение комитетов.
[[Категория:Учёба]]
[[Категория:ММРО]]
лектор: к.ф.-м.н. Дьяконов А. Г.<br />
весенний семестр 2006 года, 317 группа.
# Машинное обучение. Обучение с учителем / без учителя, с подкреплением (reinforcement learning). Различные постановки задач классификации, сведение одних постановок к другим. Пример использования различных моделей алгоритмов распознавания для решения одной задачи.
# Непараметрическая оценка плотности. Два подхода: kernel density estimation (KDE) и k nearest neighbor (kNN). Метод «окно Парзена». Метод «kNN». kNN-классификатор. Понятие «ленивого алгоритма». Эффективная реализация kNN-классификатора.
# Классификация с помощью дискриминантных функций (основная концепция, применение, случай нескольких классов). Линейная дискриминантная функция. Теорема Новикова. Схема поощрения-наказания. Алгоритм дробной коррекции.
# Оптимальная разделяющая гиперплоскость. Алгоритм Гаусса-Зейделя.
# Алгоритм, основанный на минимизации средней квадратичной ошибки. Алгоритм Хо-Кашьяпа. Линейный дискриминант Фишера.
# Случай линейно неразделимых классов. Метод потенциальных функций (общая схема, применение, примеры потенциалов 1го и 2го типа, теорема о сходимости, построение систем о/н функций).
# SVM (основная идея, сведение к задаче квадратичного программирования, выбор ядра, применение).
# Нейросети. Математическая модель нейрона. Задача XOR. Многослойные нейросети (общая схема, реализация булевых функций, классификация произвольных конечных выборок). Иллюстрация эффекта переобучения. Функции активации.
# Теорема Колмогорова. Эвристики настройки нейросети (дельта правило, правило Хебба, delta-bar-delta). Алгоритм обратного распространения.
# Алгебро-логические исследования персептрона (результаты Минского и Пейперта). Порядок предикатов, ограничение по диаметру, предикаты «выпуклость», «связность», «чётность». Использование формулы Эйлера.
# Скользящий контроль. Бритва Оккама. Принцип MDL. Применения нейросетей. Кодирование. RBF-сети.
# Кластеризация. Постановка задачи. Алгоритм k-средних (стандартный и «мягкий»). Кластеризация с помощью минимизации функционала. Метрики. «Основной» алгоритм кластеризации.
# Иерархическая кластеризация. Дендограммы. Графовые алгоритмы. Single link (ближайший сосед), complete link (дальний сосед). Ничьи. Слияние кластеров (различные подходы). Оценка алгоритмов кластеризации. Классификация алгоритмов.
# Логические алгоритмы распознавания. Логическая закономерность. Классификация с помощью ДНФ. Общая схема логических алгоритмов. Алгоритм «Кора». Алгоритмы с представительными наборами.
# АВО. Решающие деревья. Решающие списки. Тестовые алгоритмы. Задача о покрытии.
# Комитеты (большинства, единогласия). Оценки числа членов комитета. Построение комитетов.
[[Категория:Учёба]]
[[Категория:ММРО]]