Редактирование: МОТП, Билеты (2009)

Материал из eSyr's wiki.

Версия от 16:19, 25 мая 2009; 194.88.210.143 (Обсуждение)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

ПРЕДУПРЕЖДЕНИЕ: Вы редактируете устаревшую версию данной страницы. После сохранения страницы будут потеряны изменения, сделанные в последующих версиях.

Внимание: Вы не представились системе. Ваш IP-адрес будет записан в историю изменений этой страницы.

= Часть 1 (Ветров) =
== Метод максимального правдоподобия. Его достоинства и недостатки.==

* [http://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F вики:Метод максимального правдоподобия]
* [http://www.nsu.ru/mmf/tvims/chernova/ms/lec/node14.html метода макс. правдоподобия по Черновой из НГУ]

<u>Недостатки:</u>
* хорошо применим при допущении, что <math>n \rightarrow \infty </math>, что в реальности не так
* проблема выбора структурных параметров, позволяющие избегать переобучения

==Решение несовместных СЛАУ.==
В статистике, машинном обучении и теории обратных задач под регуляризацией понимают добавление некоторой дополнительной информации к условию с целью решить некорректно поставленную задачу или предотвратить переобучение.

''' Ридж-регуляризация матрицы <math>B</math> ''' -- матрица <math>B + \lambda I</math>, где <math>\lambda</math> -- коэффициент регуляризации. Всегда невырождена при <math>\lambda > 0</math>

''' Нормальное псевдорешение ''' СЛАУ <math>Ax = b</math> -- вектор <math> x = (A^T A + \lambda I )^{-1} A^T b </math>
* всегда единственно
* при небольших <math>\lambda</math> определяет псевдорешение с наименьшей нормой
* любое псевдорешение имеет минимальную невязку

== Задача восстановления линейной регрессии. Метод наименьших квадратов.==
http://www.nsu.ru/mmf/tvims/chernova/ms/lec/node60.html
==Задача восстановления линейной регрессии. Вероятностная поставновка.==
== Логистическая регрессия. Вероятностная постановка.==
== ЕМ-алгоритм для задачи разделения гауссовской смеси.==
==Основные правила работы с вероятностями. Условная независимость случайных величин.==
== Графические модели. Основные задачи, возникающие в анализе графических моделей.==
==Байесовские сети. Примеры.==
[http://ru.wikipedia.org/wiki/%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C_%D0%B4%D0%BE%D0%B2%D0%B5%D1%80%D0%B8%D1%8F На википедии]

== Марковские сети. Примеры.==
==Скрытые марковские модели. Обучение СММ с учителем.==
[http://ru.wikipedia.org/wiki/%D0%A1%D0%BA%D1%80%D1%8B%D1%82%D0%B0%D1%8F_%D0%BC%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B0%D1%8F_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C На википедии]

[http://ru.wikibooks.org/wiki/%D0%A1%D0%BA%D1%80%D1%8B%D1%82%D1%8B%D0%B5_%D0%BC%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 Викибуки]
==Алгоритм динамического программирования и его применение в скрытых марковских моделях.==
== ЕМ-алгоритм и его применение в скрытых марковских моделях.==
== Условная независимость в скрытых марковских моделях. Алгоритм «вперед-назад».==
==Метод релевантных векторов в задаче восстановления регрессии.==
== Метод релевантных векторов в задаче классификации.==
== Метод главных компонент.==
==Вероятностная формулировка метода главных компонент.==
==ЕМ-алгоритм в методе главных компонент. Его преимущества.==
== Метод главных компонент. Схема автоматического выбора числа главных компонент.==
== Недостатки метода главных компонент. Метод независимых компонент.==
==  Нелинейные методы уменьшения размерности. Локальное линейное погружение.==
==  Нелинейные методы уменьшения размерности. Ассоциативные нейронные сети и GTM.==

= Часть 2 (Рудаков) =

== Объекты, признаки, логические признаки, простейшие логические решающие правила. ==
Признаки объектов:
* детерминированные;
* вероятностные;
* логические;
* структурные.

''' Детерминированные признаки''' – это признаки, принимающие конкретные числовые значения, которые могут быть рассмотрены как координаты точки, соответствующей данному объекту, в n-мерном пространстве признаков.

'''Вероятностные признаки''' – это признаки, случайные значения которых распределены по всем классам объектов, при этом решение о принадлежности распознаваемого объекта к тому или другому классу может приниматься только на основании конкретных значений признаков данного объекта, определенных в результате проведения соответствующих опытов. Признаки распознаваемых объектов следует рассматривать как вероятностные и в случае, если измерение их числовых значений 
производится с такими ошибками, что по результатам измерний невозможно с полной определенностью сказать, какое числовое значение данная величина приняла.

'''Логические признаки''' распознаваемых объектов можно рассматривать как элементарные высказывания, принимающие два значения истинности (истина – ложь) с полной определенностью. К логическим признакам относятся прежде всего признаки, не имеющие количественного выражения. Эти признаки представляют собой суждения качественного характера типа наличия или отсутствия некоторых свойств или некоторых элементов у распознаваемых объектов или явлений. В качестве логических признаков можно рассматривать, например, такие симптомы в медицинской диагностике, как боль в горле, кашель и т.д. К логическим можно отнести также признаки, у которых важна не величина признака у распознаваемого объекта, а лишь факт попадания или непопадания ее в заданный интервал. В пределах этих интервалов появление различных значений признаков у распознаваемых объектов предполагается равновероятным. На практике логические признаки подобного рода имеют место в таких ситуациях, когда либо ошибками измерений можно пренебречь, либо интервалы значений признаков выбраны таким образом, что ошибки измерений практически не оказывают влияния на 
достоверность принимаемых решений относительно попадания измеряемой величины в заданный интервал.

== Проблемы формирования логических признаков. Оценки качества признаков и их совокупностей. ==

== Методы голосования по конъюнкциям. Алгоритмы типа "Кора". ==

== Тесты, представительные наборы, проблемы перебора. ==

== Пространства объектов для АВО. Обучающие и контрольные объекты. Метрические описания объектов в АВО. ==

== Опорные множества в АВО. Функции близости. Веса объектов и признаков. ==

== Формулы вычисления оценок. Эвристические обоснования. ==

== Задачи оптимизации АВО. Совместные подсистемы систем неравенств. ==

== Функционалы качества. Сложность моделей алгоритмов и проблема переобучения. ==

== Общие пространства начальных и финальных информаций. Задачи синтеза корректных алгоритмов. ==

== Разрешимость и регулярность задач распознавания. Регулярность по Ю.И. Журавлёву ==

== Операции над алгоритмами. Расширение моделей. ==

== Пространства оценок. Алгоритмы как суперпозиции. ==

== Понятие полноты моделей алгоритмов и семейств корректирующих операций. ==

== Дополнительные к прецедентам ограничения. Пример: перестановочность строк и столбцов в матрицах информации. ==

== Задачи с непересекающимися классами. ==

== Класс поэлементных операций и отображений. Условия регулярности и полноты. ==

== Полнота моделей АВО. ==

== Полнота полиномиальных семейств корректирующих операций. ==

== Логарифмическая граница степени корректирующих полиномов. ==

== Проблема построения набора базовых операторов для конкретных задач. Дефекты различимости и монотонности. Сходимость методов синтеза мультиалгоритмических конструкций. ==

Пожалуйста, обратите внимание, что все ваши добавления могут быть отредактированы или удалены другими участниками. Если вы не хотите, чтобы кто-либо изменял ваши тексты, не помещайте их сюда.
Вы также подтверждаете, что являетесь автором вносимых дополнений, или скопировали их из источника, допускающего свободное распространение и изменение своего содержимого (см. eSyr's_wiki:Авторское право).
НЕ РАЗМЕЩАЙТЕ БЕЗ РАЗРЕШЕНИЯ ОХРАНЯЕМЫЕ АВТОРСКИМ ПРАВОМ МАТЕРИАЛЫ!

Описание изменений:

Отменить | Справка по редактированию (в новом окне)

Шаблоны, использованные на этой странице: