Байесовские методы машинного обучения (Спецсеминар)/2010-2011

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Расписание семинаров на 2010–2011 учебный год)
(→Предварительный список вопросов к зачету)
Строка 43: Строка 43:
# Использование различных видов регуляризации в машинном обучении (квадратичная, L1, L0). Их преимущества и недостатки.
# Использование различных видов регуляризации в машинном обучении (квадратичная, L1, L0). Их преимущества и недостатки.
# Двойственность в задаче линейного программирования.
# Двойственность в задаче линейного программирования.
 +
# Методы сглаживания сигналов.
 +
# Постановка задачи поиска паттернов поведения.

Версия 12:37, 8 октября 2010

Вернуться к основной странице спецсеминара.

В осеннем семестре 2010 года спецсеминар проходит на ВМиК МГУ по средам в ауд. 526б, начало в 18-20.

Расписание семинаров на 2010–2011 учебный год

Дата Название семинара Комментарии
8 сентября 2010 Тихонов Андрей, студент 4 курса ВМиК МГУ.
Алгоритм повышения качества размытых изображений.
Презентация на семинаре
Оригинальная статья и слайды 		Представление проекта в рамках Всероссийской молодежной школы по суперкомпьютерным технологиям.
15 сентября 2010
 Лаптев Дмитрий, Чернышев Виктор, студенты 5 курса ВМиК МГУ.
Методы прогнозирования солнечной активности.
Презентация на семинаре 		Основные идеи проекта, методы, полученные результаты, текущее состояние, основные направления дальнейшей работы.
22 сентября 2010
 Воронин Павел, сотрудник Курчатовского института.
Мультимодальные методы регистрации.
Презентация на семинаре (часть 1)
Презентация на семинаре (часть 2)
29 сентября 2010
 Ветров Дмитрий Петрович, ВМиК МГУ.
Сообщение по результатам поездки на конференцию ECML PKDD 2010. 		Затрагиваемые темы:
6 октября 2010
 Вишневский Валерий, студент 5 курса ВМиК МГУ.
Методы поиска паттернов в поведенческих данных. Задача определения концентрации ферментов.
Презентация на семинаре.

Предварительный список вопросов к зачету

  1. Фильтр Винера.
  2. Моделирование искаженного изображения с помощью операции свертки и случайного шума. Задача деконволюции (обратной свертки).
  3. Метод ветвей и границ для поиска групп пятен.
  4. Сегментация изображений при помощи вариационного приближения.
  5. Использование различных видов регуляризации в машинном обучении (квадратичная, L1, L0). Их преимущества и недостатки.
  6. Двойственность в задаче линейного программирования.
  7. Методы сглаживания сигналов.
  8. Постановка задачи поиска паттернов поведения.
Источник — «http://www.recognition.su/wiki/index.php?title=%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%28%D0%A1%D0%BF%D0%B5%D1%86%D1%81%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%29/2010-2011»