* IntroPR - Introduction to Pattern Recognition
  * Prüfer: Elli Angelopoulou
  * Beisitzer: unbekannt
  * Bachelor Vertiefungsrichtung, 7.5 ECTS
  * Stimmung: super
  * Fragen Englisch, Antworten durfte man auf Deutsch oder Englisch - ich hab hin und wieder kurz auf Deutsch gewechselt, wenn ich's grad für einfacher gehalten habe
  * Bei Mutual Information war ich recht unsicher, daher wahrscheinlich auch die weiteren Fragen - die haben aber eher geholfen wieder rein zu finden, dem Ergebnis hat das dann nicht weiter geschadet


Describe the PR-Pipeline


A/D
  * Nyquist Sampling Theorem, explain + formula


Preprocessing
  * Name 3 Preprocessing Methods
  * Thresholding -> Intersection of Gaussians (p(Omega_1)p(f|Omega_1) = p(Omega_2)p(f|Omega_2), formula gaussian distribution)
  * Filtering -> formulas LSI filter + Convolution


Feature Extraction
  * Name 2 Types (Heuristic & Analytic) and describe them
  * LDA optimization criterion -> Rayleigh Quotient with formula
  * Walsh-Hadamard-Transform, describe, connection matrix lines <-> walsh-basis functions, explain Kronecker Produkt, formula for H_M = H_2 (x) ... (x) H_2  --> M = 2^q, q factors, H_M = Phi^T

Feature Selection
  * Mutual Information -> formula, explain, independant random variables: p(x, y) = p(x)*p(y), what is p(x) and p(y) -> p( c ) and p(Omega_k)


Classification
  * Bayesian Decision Function (max posterior probability), apply the bayesian rule ( p(Omega_k | c) = p(c | Omega_k) p(Omega_k) / p( c ) )
  * Approximation of probability distributions by Parzen Windows / kNN -> explain the idea, formula p( c ) = K/(NV)