TU Wien:Einführung in die Mustererkennung VO (Haxhimusa)/Prüfung 30.1.2014
Zur Navigation springen
Zur Suche springen
Kurze Fragen[Bearbeiten | Quelltext bearbeiten]
- Was ist der Unterschied zwischen Regression und Klassifikation
- Was versteht man unter parametrischen, nicht-parametrischen Lernverfahren
- Überwachtes Lernen unüberwachtes Lernen
- Wieviele Diskriminantenfuktionen braucht man für ein N-Klassen Problem
- Was besagt das "No free lunch Theorem"
- Vier Leistungsmerkmale für biometrische Systeme
- 3 Eigenschaften von K-NN
- Bias und Varianz
- Was bedeutet Generalisierungsfähigkeit
- Wenn die Diskriminantenfunktion linear ist, was kann man über die Kovarianzmatrizen schließen
- Was sagt die Bayes Entscheidungsregel aus
- Was ist cross validation
Detaillierte Fragen[Bearbeiten | Quelltext bearbeiten]
- Curse of Dimensionality Anhand von Beispiel erklären
- Lernen im Backpropagation-Algorithmus erklären
- Was ist Agglomeratives Hierarichal Clustering, entscheide dich für ein Ähnlichkeitsmerkmal, Skizze
Rechenbeispiele[Bearbeiten | Quelltext bearbeiten]
- PCA, 3 Vektoren, Kovarianz berechnen, Eigenwerte berechnen, Eigenvektor zu λ1 berechnen
- Zwei Klassen-Problem wie in Datei:TU Wien-Einführung in die Mustererkennung VO (Haxhimusa) - Prüfung 2011-06-29.pdf (..ganz ehrlich, ist das eine Mathe Prüfung oder was?)
- Bayes Maschine wie in Hanbury Prüfung 19.6.2008 – Rechenbeispiel 2
Aufsatz[Bearbeiten | Quelltext bearbeiten]
CART Algorithmus, welche 5 Fragen müssen beantwortet werden