Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Prüfung IntroPR, Februar 2011 (Übersicht)
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Beide Seiten, vorherige ÜberarbeitungVorherige Überarbeitung | |||
pruefungen:hauptstudium:ls5:introduction_to_pattern_recognition_februar2011 [22.02.2011 15:35] – Bergerone | pruefungen:hauptstudium:ls5:introduction_to_pattern_recognition_februar2011 [22.02.2011 15:36] (aktuell) – Bergerone | ||
---|---|---|---|
Zeile 13: | Zeile 13: | ||
* Walsh-Hadamard-Transform erklären (Zunächst hinzeichnen und erklären das die Walsh Functions approximationen von Sinus und Cosinus sind und deshalb die Trafo die Fouriertranformation nachbildet, aber wesentlich schneller zu berechnen ist -> Dann Hadamard Matrix und Kronecker Produkt erklären und Formel c=\Phi*f hinschreiben) | * Walsh-Hadamard-Transform erklären (Zunächst hinzeichnen und erklären das die Walsh Functions approximationen von Sinus und Cosinus sind und deshalb die Trafo die Fouriertranformation nachbildet, aber wesentlich schneller zu berechnen ist -> Dann Hadamard Matrix und Kronecker Produkt erklären und Formel c=\Phi*f hinschreiben) | ||
* PCA: Will den Spread aller Features maximieren! Formel hinschreiben und erklären (Constraint mit Frobenius Norm nicht vergessen!) | * PCA: Will den Spread aller Features maximieren! Formel hinschreiben und erklären (Constraint mit Frobenius Norm nicht vergessen!) | ||
- | * Feature Selection: Warum Selection? (Redundanz des feature Vektors beseitigen; Dimension | + | * Feature Selection: Warum Selection? (Redundanz des feature Vektors beseitigen; Dimension |
* Feature Selection: Mutual Information Objective Function hinschreiben und sagen das, dass auch die KL-Divergence darstellt | * Feature Selection: Mutual Information Objective Function hinschreiben und sagen das, dass auch die KL-Divergence darstellt | ||
* Bayes Decision Rule: \lamba = argmax{\kappa} p(\Omega_{\kappa} | c) | * Bayes Decision Rule: \lamba = argmax{\kappa} p(\Omega_{\kappa} | c) |