Inhaltsverzeichnis

Prüfung Pattern Analysis, SS 2015 (Sept)

Allgemeines

Prüfungsfragen und Antworten

HMM

  1. Marginalization
  2. wahrscheinlichste State Sequence: Viterbi-Algorithmus mittels Forward-Algorithmus (Rabiner89) und dann Summe durch argmax ersetzen
  3. Training besteht aus EM und Baumwelche (keine weitere Erklärung)

Manifold learning:

Punktwolke “e” hingemalt und gefragt was man damit machen möchte (entrollen) und wie das mit einem Forest gelöst wird → Schnitte von zwei verschiedenen Bäumen hingemalt, Affinitätsmatrix erklärt, dann Laplacian genannt und dass Eigenwerte genutzt werden um x‘ in d‘ darzustellen

Laplacian Eigenmaps:

Optimierungsproblem aufstellen ||xi-xj||*wij → min und Ergebnis der Umformung hinschreiben (Nebenbedingung einführen: (X^T)DX=1) ⇒ (D^-1)(D-W)X‘ =l*X‘…….D-W = Laplacian

Forests:

K-Means

Parzen window:

  1. Nummerierter ListenpunktCross validation: phj=1/(N-1)*Summe Kernel
  2. Nummerierter ListenpunktML^h = argmax phj * Produkte j=1…N phj