Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Pattern Recognition / Pattern Analysis
Inhaltsverzeichnis
Pattern Recognition / Pattern Analysis
Prüferin und Prüfer waren sehr freundlich, die Prüfung verlief sehr fair
(im Gegenteil zu manch anderen… z.B. SoftwareEngeneering Strategie B, wo man die Note auch gleich erwüfeln kann)
PR Angeloupoulu
- ⇒ Soll ich die Pattern-recognition-pipeline hinmalen? → hingemalt :)
- Q: Preprocessing - Inhalte stichpunktartig wiedergeben
⇒ Thresholding, Normalisierung, Filter - Q: Thresholding, näher erklären und eine Methode meiner Wahl genau hinschreiben
⇒ Trennung von Vorder-/ Hintergrund, 0-1 Quantisierung.
Schnittpunkt zweier Gaussverteilungen erklärt mit Iterationsverfahren, welches neues Theta als Schnittpunkt der geschätzten Gaussverteilungen nimmt. - Q: Feature Extraction, was gibt es für 2 Ansätze
⇒ Heuristisch, Analytisch - Q: Was gibt es für Analytische Ansätze
⇒ PCA, LDA - Q: Schreiben Sie doch mal die Zielfunktion für die LDA hin
⇒ argmax (dist(Interclass)) / argmin (dist(Intraclass)) (→ dist () wollte Sie ausführlich mit Transformation der Featurevectoren und Summe über die Klassen haben… hat etwas gedauert, aber sie wollte es sehen) - Q: Bayes Klassifikator hinschreiben, wann ist er optimal
⇒ argmax p(y|x), optimal bei 0-1 Kostenfunktion
PA Hornegger
- Q: Malt 2 Klassen hin und eine beliebige Entscheidungsgrenze, die durch die Funktion f(x) = 0 charakterisiert ist. Können Sie mir die posteriori für die Klasse 0 und 1 hinschreiben?
⇒ in die Logistic Regression Funktion einmal f(x) und -f(x) eingesetzt (→ eimal p(y=0|x) für Klasse 1 und p(y=1|x) für Klasse 2) - Q: SVM - Wie schaut das Optimierungsproblem in Formeln aus?
⇒ Hard Margin Case hingemalt und die Optimierungsfunktion hingeschrieben: ||a|| minimieren w.r.t. Abstand zur Gerade >= 1 - Q: Wie schaut das aus mit Slackvariablem
⇒ Summe der Slackvariablen mit Lagrangemultiplier zum Optimierungsproblem hinzufügen (wollte die Formel auf Papier haben) - Q: Wie lösen wir das Problem?
⇒ Konvexe Optimierung (Stichwort hat gereicht) - Q: EM Algorithmus, schreiben Sie die Q-Funktion für eine Mischverteilung hin.
⇒ hingeschrieben (habe etwas überlegen müssen), war die schwierigste Frage fand ich… (siehe Video 18)