TU Wien:Mustererkennung VU (Haxhimusa)/Prüfung 2013-06-27

Kurze Fragen (10, je 1P = 10P)

• Drei Feature Selection Methods (=> Naive, Sequential Forward, Sequential Backward)
• Drei NN Training Protokolle (=> Stochastic, Online, Batch)
• Formel von einer der Feature Normalization methods
• Welches clustering macht einen MST? (=> Single linkage, Divisive hierarchical Clustering)
• Was ist "shrinkage" (=> Hoher Parameterwerte penalisieren)
• ...

Mittlere Fragen (6, je 3-6P = 25P)

• Boost und AdaBoost erklären
• Wie schauen die discriminants bei gaussians aus (die verschiedenen Formen von sigma)
• PCA und LDA erklären + bsp mittels Skizze
• Graph editing distance erklären + bsp mittels Skizze
• Unterschied Frequentist vs Bayesian approach
• Kernel window estimation erklären (+ was passiert wenn Seitenlänge h sich ändert)

Aufsatz (15P)

• SVM (inkl. linear/nonlinear? soft/hard margin? "kernel trick"? pros/cons?)