Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Introduction to Pattern Recognition
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Beide Seiten, vorherige ÜberarbeitungVorherige ÜberarbeitungNächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls5:intropr_feb2011 [24.02.2011 12:33] – F3lix | pruefungen:hauptstudium:ls5:intropr_feb2011 [24.02.2011 13:15] (aktuell) – F3lix | ||
---|---|---|---|
Zeile 7: | Zeile 7: | ||
==== Allgemeines ==== | ==== Allgemeines ==== | ||
* Vorbereitung: | * Vorbereitung: | ||
+ | * Prüfungssprache ist Englisch: Es schadet nicht, ein paar Antworttechniken auf Englisch schonmal geübt zu haben bzw. sich beim Lernen den Stoff auf Englisch zu erklären | ||
* Athmosphäre während der Prüfung war gut, auch wenn ich zu anfangs extrem nervös war. Ein paar witzige Bemerkungen können die Stimmung aber beleben ^^ | * Athmosphäre während der Prüfung war gut, auch wenn ich zu anfangs extrem nervös war. Ein paar witzige Bemerkungen können die Stimmung aber beleben ^^ | ||
+ | * Tipp: Vielleicht mehr Zeit schinden, weil man aufgrund der Aufregung eh erstmal viel zu schnell redet, und dann dementsprechend mehr Fragen gestellt werden ;) | ||
==== Themen ==== | ==== Themen ==== | ||
* Pipeline hinzeichnen, | * Pipeline hinzeichnen, | ||
+ | * A/D: Es kam keine Frage hierzu | ||
* Preprocessing: | * Preprocessing: | ||
* Feature Extraction: Analytic vs Heuristic voneinander abgrenzen | * Feature Extraction: Analytic vs Heuristic voneinander abgrenzen | ||
* Heuristic: Linear Predictive Coding - Motivation/ | * Heuristic: Linear Predictive Coding - Motivation/ | ||
* Analytic: LDA - Class labels vorhanden, Within vs Between Class distances -> Rayleigh Quotient. Als Zusatz haben wir noch über Fisher Faces geredet | * Analytic: LDA - Class labels vorhanden, Within vs Between Class distances -> Rayleigh Quotient. Als Zusatz haben wir noch über Fisher Faces geredet | ||
- | * Feature Selection - Warum Selection? Effizienz, Computational complexity, time and Curse of Dimensionality (Intuition, Distanzen, Metriken, Sparseness) | + | * Feature Selection - Warum Selection? |
* Objective Function: Mutual Information bzw. KL-Divergence hergeleitet | * Objective Function: Mutual Information bzw. KL-Divergence hergeleitet | ||
- | * Classification: | + | * Classification: |