Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Pattern Recognition (Übersicht)
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Beide Seiten, vorherige ÜberarbeitungVorherige ÜberarbeitungNächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls5:pr_februar_2014 [18.02.2014 10:36] – runet | pruefungen:hauptstudium:ls5:pr_februar_2014 [18.02.2014 17:09] (aktuell) – runet | ||
---|---|---|---|
Zeile 8: | Zeile 8: | ||
Sehr entspannt, | Sehr entspannt, | ||
- | Als Hinweis noch: Dieses Jahr wird scheinbar immer eine Frage zu den Matlab-Übungen eine frage gestellt. Es ging auf demjenigen | + | Als Hinweis noch: Dieses Jahr wird scheinbar immer eine Frage zu den Matlab-Übungen eine frage gestellt. Es ging auf demjenigen der nach mir geprüft wurde auch so ! |
---- | ---- | ||
- | Hier die gestellten Fragen: | + | ===== Hier die gestellten Fragen:===== |
* Big Picture geben (Ich hab nicht viel gezeichnet, aber beim reden schon viel neben Informationen reinfließen lassen.(z.b. hab ich den Zusammenhang Bayes-Gaussian-Naive Bayes - NN schonmal angereissen)) | * Big Picture geben (Ich hab nicht viel gezeichnet, aber beim reden schon viel neben Informationen reinfließen lassen.(z.b. hab ich den Zusammenhang Bayes-Gaussian-Naive Bayes - NN schonmal angereissen)) | ||
* Dann kamen fragen zur Logistic Regression -> sigmoid function - parametrized - optimierung mit Newton. Welche ableitungen werden benötigt? | * Dann kamen fragen zur Logistic Regression -> sigmoid function - parametrized - optimierung mit Newton. Welche ableitungen werden benötigt? | ||
* Dann kam SVM, wie ist die objective function vom Hard-margin und Soft-, | * Dann kam SVM, wie ist die objective function vom Hard-margin und Soft-, | ||
* Woran erkennt man das die Margin maximiert wird? | * Woran erkennt man das die Margin maximiert wird? | ||
+ | * Wann wäre der Abstand zur dB der eukilidsche Abstand? | ||
* ->Sie sagten ja die SVM erzeugt unique Lösungen, die soft Margin SVM auch? -> nein, mit µ gewichtet man den einfluss. | * ->Sie sagten ja die SVM erzeugt unique Lösungen, die soft Margin SVM auch? -> nein, mit µ gewichtet man den einfluss. | ||
* Was passiert wenn µ groß wird, also eher gegen unendlich? -> wird zu hard margin | * Was passiert wenn µ groß wird, also eher gegen unendlich? -> wird zu hard margin | ||
Zeile 37: | Zeile 38: | ||
Dann war die Zeit auch rum, bei dem Übungsteil bin ich ganz schön geschlingert, | Dann war die Zeit auch rum, bei dem Übungsteil bin ich ganz schön geschlingert, | ||
- Die Matrix A und B werden da mit -1 multipliziert da die inequalities <= 0 sein müssen (1. KKT) | - Die Matrix A und B werden da mit -1 multipliziert da die inequalities <= 0 sein müssen (1. KKT) | ||
- | War schon etwas unangenehm :), er sagte dann auch der Theorie teil war sehr gut, der matlab teil eher das genaue gegenteil. | + | War schon etwas unangenehm :), er sagte dann auch der Theorie teil war sehr gut, der matlab teil eher das genaue gegenteil. |