Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Mustererkennung 2009

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

--- pruefungen:hauptstudium:ls5:januar2009 [04.03.2009 11:47] – 77.20.145.221
+++ pruefungen:hauptstudium:ls5:januar2009 [31.07.2009 22:41] – immoartl
@@ Zeile 1: / Zeile 1: @@
 ====== Mustererkennung 2009 ======
+==== 17. März: Me1 & Me2 ====
+**Bemerkungen**\\
+  * Prüfer: Frau Angelopoulou, Herr Hornegger
+  * Atmosphäre: typische Prüfungssituation - entspannte Prüfer, angespannter Prüfling :)
+**Fragen** \\
+  * Big Picture
+  * Pre-Processing: Erklären Sie mal __Histogram Equalization__.
+  * Feature Extraction:
+    * Was ist __PCA__? \\ Bildchen
+    * Was ist __LDA__? \\ Bildchen\\ auf Nachfrage: Optimierungsproblem anhand von Fisher LDA erklärt (Formeln waren ihnen wichtig!)
+  * Pre-Processing: Welche __nicht-linearen Filter__ kennen Sie? \\ Morphologische Filter/Rank-Order Filter: Erosion und Dilation
+  * Erklären Sie mal __Homomorphic Transformation__ \\  Bild multiplikativ mit Störsignal verrauscht ->-> Logarithmus ->-> Gauss-Filterung ->-> exp()
+  * Erklären Sie mal __SVM__ \\ Bildchen (Schlauch)
+  * Optimierungsfunktion hinschreiben\\ max C und wollte dann wohl noch a*c + a_0 >= C
+  * Constraints beachten? Wie? \\ Lagrange Multiplier nach Umformung bzgl. Normierung ->-> lambda(a*c + a_0 - 1)
+  * Was wird bei nicht trennbaren Klassen gemacht? \\ Slack-Variablen; Optimierungsfunktion erweitern
+  * __Rosenblatt's Perceptron__ erklären
+  * Was für andere Klassifikationsansaetze gibt es noch, bei denen eine lineare Entscheidungsfunktion 'herauskommt'? \\ Optimaler und Gauss'scher Klassifikator, Logistic Regression.
+  * Was sind das jeweils fuer Optimierungsprobleme? \\ lineare, nicht lineare, quadratische ...
+  * Wie würden sie diese bzgl. des Optimierungsproblems sortieren? \\ Wollte auf ... < SVM < Rosenblatt's Perceptron raus, da letzterer mit sich ändernder Menge an falsch klassifizierten Features 'zu kämpfen' hat
+==== 17. März: Me1 & Me2 ====
+**Bemerkungen**\\
+  * Pruefer: Frau Angelopoulou, Herr Hornegger
+**Fragen** \\
+  * Big Picture
+  * Sampling: \\ __Nyquist__ Theorem erklären \\ '>' oder '>=' bzgl. wie hohe Abtastrate?
+  * Feature Extraction: \\ __Walsh-Transformation__ erklären (Funktionen, Kronecker-Produkt) \\ PCA: objective function hinschreiben
+  * Classification: \\ __Bayes,__ optimal? \\ Ist jeder Klassifikator, der den Bayes approximiert optimal? AV-Loss, ...
+  * __SVM__ \\ //objective function// aufschreiben
+  * __Rosenblatt's Perceptron__
+  * __HMM__\\ Ausgabewahrscheinlichkeiten \\ Forward-Algorithmus (Bildchen war ihm zu wenig; Formel mit 'rausziehen') \\ Komplexität
+  * __Deleted Interpolation__
+==== Me1 & Me2 ====
   * Big Picture
@@ Zeile 6: / Zeile 49: @@
   * Feature Extraction: PCA, LDA
   * Classification: HMMs