Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » pa_september_14
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Nächste Überarbeitung | Vorherige ÜberarbeitungLetzte ÜberarbeitungBeide Seiten, nächste Überarbeitung | ||
pruefungen:hauptstudium:ls5:pa_september_14 [03.09.2014 13:44] – angelegt bradrulck | pruefungen:hauptstudium:ls5:pa_september_14 [01.10.2014 08:12] – lxexa | ||
---|---|---|---|
Zeile 1: | Zeile 1: | ||
Prüfer: Prof. Hornegger | Prüfer: Prof. Hornegger | ||
- | Alles in allem eine sehr faire Prüfung, in entspannter Atmosphäre. | + | Kann nur bestätigen: |
**Überblick** | **Überblick** | ||
- | „Wolke“ malen, ohne Objective Functions | + | „Wolke“ malen, ohne Objective Functions |
+ | Hierbei hat er schon bei Mean Shift gesagt: " | ||
+ | Bei HMM hab ich erst HHM gesagt und daraus | ||
- | **Hard & Soft Clustering** | + | **Mean Shift** |
- | Was macht man damit? Bild malen | + | Erst mal ein Bilchen gemalt (das aus den Folien) und daran den Algorithmus erklärt, dann die 2 Schritte hingeschrieben. |
- | Obejctive Function -> | + | Wie leitet |
- | Welche Probleme ergeben sich beim optimieren? | + | Wollte er leider nicht vorgerechnet bekommen. |
- | Wie funktioniert k-Means? Updateformel erklären/ | + | Dann hab ich noch gesagt, dass es vielseitig anwendbar ist. Bsp: |
- | Was ändert sich bei Soft Clustering? Objective Function | + | Clustering mit Mean Shift (Zeichnung mit Attraktionsgebiet machen). Hier hat ihm glaub ich mein Beispiel wie man sich das vorstellen kann sehr gut gefallen. Hab erzählt, dass ich mir das so vorstelle, wie die Alpen und das ein Flugzeug drüber fliegt und in regelmäßigen Abständen die Raraglider runter springen und dann wenn sie unten ankommen nur bergauf laufen. |
+ | Dann hab ich leider noch gesagt, dass es auch noch im Bereich der Computer vision eingesetzt werden kann. Daraufhin er , wo denn da? | ||
+ | Meinte ich Bildsmoothing mit Kantenerhaltung. (auch Thema der hochgeladenen Folien) | ||
+ | leider konnte ich ihm das dann nicht weiter erklären. Hat am Ende aber nur 5 fehlende Punkte ausgemacht. ;) | ||
- | **Mean Shift** | + | **HMM** |
- | + | Bild hingemalt, erklärt was pi, a, und so ist. | |
- | Was tut man damit → PDF optimieren, Maxima finden | + | dann die 3 Grundprobleme hingeschrieben |
- | Mean-Shift-Vector herleiten | + | Hierfür die gesamte Formel hingeschrieben und umgeschrieben |
- | Clustering mit Mean Shift (Zeichnung | + | Hier dann auf das zweite Problem eingegangen und aus allen Summen eine maximierung gemacht. |
**Manifold Learning** | **Manifold Learning** | ||
- | Erklären wie MDS funktioniert: | + | Erklären wie MDS funktioniert: |
- | -1/2 CD^2C hinschreiben, | + | -1/2 CD^2C hinschreiben, |
- | + | Dann hab ich die komplette Herleitung hingeschrieben, bzw erwähnt | |
- | **EM Algorithmus** | + | und somit x^tx |
- | + | Hierbei sollte ich besonders auf besonders darauf eingehen, was eigentlich X ist und wie viele Dimensionen es hat (da hab ich leider auch erst mal das falsche gesagt, richtig ist die von der Dimension wo man hin will, also bei meinem Beispiel von 3D Welt auf 2D Landkarte--> | |
- | Prof: "So, jetzt erklären Sie bitte unserer Beisitzerin noch was der EM Algorithmus macht" | + | |
- | + | ||
- | Prüf: "Ich bin sicher, dass sie das schon weiß" | + | |
- | + | ||
- | Prof: "Gut - dann erklären Sie ihr mal das Hammersley-Clifford-Theorem" | + | |
- | + | ||
- | (Schweres Eigentor... ;-) ) | + | |
- | + | ||
- | + | ||
- | + | ||
- | **MRF/ | + | |
- | + | ||
- | Musste es nicht herleiten, sondern nur erklären | + | |
- | Die letzte Frage war dann noch über die Eigenschaften des MRF und warum diese gelten müssen. | + | |
+ | Ich war tierisch aufgeregt und der Honegger hat mir das auch angesehen und war super nett. Vor mündlichen Prüfungen bei ihm braucht man wirklich keine Angst haben. Mit der Note hätte ich auch nie gerechnet. :) | ||