Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » intropr-15 (Übersicht)
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Beide Seiten, vorherige ÜberarbeitungVorherige ÜberarbeitungNächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls5:intropr-15 [27.07.2015 17:37] – BTL | pruefungen:hauptstudium:ls5:intropr-15 [27.07.2015 21:45] (aktuell) – BTL | ||
---|---|---|---|
Zeile 1: | Zeile 1: | ||
- | **Prüfung**: | + | **Prüfung**: |
+ | **Prüfer**: | ||
+ | **Vorbereitung**: | ||
+ | **Allgemeines**: | ||
- | **Prüfer**: Dr. Stefan Steidl | + | **Fragen & Antworten**: |
- | + | ||
- | **Allgemeines**: | + | |
* Pattern Recognition Pipeline vorstellen | * Pattern Recognition Pipeline vorstellen | ||
Zeile 11: | Zeile 12: | ||
* Eine kontinuierlich von 0 auf 16 kHz ansteigende Sinus-Welle wird mit einer Samplingrate von 16 kHz abgetastet. Was hören Sie? | * Eine kontinuierlich von 0 auf 16 kHz ansteigende Sinus-Welle wird mit einer Samplingrate von 16 kHz abgetastet. Was hören Sie? | ||
- | Bis zur Hälfte steigt die Tonhöhe kontinuierlich an, dann sinkt sie wieder ab, weil höhere Frequenzen als die Abtastfrequenz in den niederfrequenten Bereich gemapped werden (Aliasing). | + | Bis zur Hälfte steigt die Tonhöhe kontinuierlich an, dann sinkt sie wieder ab, weil höhere Frequenzen als die Abtastfrequenz in den niederfrequenten Bereich gemapped werden (Aliasing). |
* Was ist ein lineares System? | * Was ist ein lineares System? | ||
Zeile 19: | Zeile 20: | ||
* Was ist die Impulsantwort? | * Was ist die Impulsantwort? | ||
- | Dirac-Impuls; | + | Dirac-Impuls; |
* Filtermaske für Kantenerkennung hinschreiben | * Filtermaske für Kantenerkennung hinschreiben | ||
Zeile 27: | Zeile 28: | ||
* Woher kommen die Zahlen für den Sobel-Operator? | * Woher kommen die Zahlen für den Sobel-Operator? | ||
- | Da habe ich argumentiert, | + | Hier habe ich argumentiert, |
* Das gehörte jetzt zur ersten Ableitung. Gibt es noch weitere? | * Das gehörte jetzt zur ersten Ableitung. Gibt es noch weitere? | ||
Zeile 37: | Zeile 38: | ||
Gauss-Funktion für ein- und mehrdimensionalen Fall hinschreiben. Erzählen, dass man die Gauss-Funktion zweimal ableiten und mit einem Sampling-Gitter abtasten müsse. | Gauss-Funktion für ein- und mehrdimensionalen Fall hinschreiben. Erzählen, dass man die Gauss-Funktion zweimal ableiten und mit einem Sampling-Gitter abtasten müsse. | ||
- | * Prüfer legt [[http:// | + | * Prüfer legt [[http:// |
- | Morphologische | + | Eine morphologische |
* Geht das auch mit Graustufenbildern? | * Geht das auch mit Graustufenbildern? | ||
- | Ja, Erosion auf Graustufenbild entspricht | + | Ja, Erosion auf Graustufenbild entspricht |
* Was ist der Unterschied zwischen heuristischen und analytischen Methoden zur Feature Extraction? | * Was ist der Unterschied zwischen heuristischen und analytischen Methoden zur Feature Extraction? | ||
+ | Heuristisch: | ||
+ | Analytisch: Optimierung einer Zielfunktion, | ||
+ | |||
+ | * Zielfunktion der PCA hinschreiben | ||
+ | |||
+ | Ansatz der Herleitung mit Maximierung der Distanz zwischen allen Paaren von Feature Vektoren sowie resultierende Zielfunktion hingeschrieben. | ||
+ | |||
+ | * Gibt es noch eine andere Möglichkeit die PCA herzuleiten? | ||
+ | |||
+ | Minimierung des mean square error führt auch zur PCA für Samples mit dem 0-Vektor als Mittelwert. | ||
+ | |||
+ | * Man kann bekanntlich keine Feature Transformation entwickeln, die für alle möglichen Signale optimal ist. In welchem Sinne steht optimal? | ||
+ | |||
+ | Minimierung der Anzahl der falschen Klassifikationen; | ||
+ | |||
+ | Einführung von Kosten eines zu Klasse k gehörenden Feature Vektors in die richtige Klasse k, eine Rejection Class 0 und eine falsche Klasse l. Wahrscheinlichkeitsdichte der probability of confusion und Risiko einer Entscheidungfunktion hingeschrieben und Test Statistics markiert. | ||