Aplikacia teorie neuronovych sieti

1 pisomka:
-ake poznate klastrovacie techniky
-popis editacny a kondenzacny alg.
-popis princip bayesovskeho klasifikatoru

2 pisomka:
-restaurace obrazu pomocou Hopfieldovho modelu
-adaptivni smesi lokalnych NS

Ahoj, nevite nekdo doporuceny pruchod (poradi) jednotlivych temat? Nebo je to uplne jedno?

zkouška 23.5.
Byli jsme tam 4, jednalo se o předtermín.
Otázky co vím (jsou seskupené k lidem):

Modulární sítě (vzorečky jen u klasického zapojení) - k čemu jsou dobré
pak se bez přípravy zeptala na robustnost

Bayes a AVQ (UCL, SCL1 a 2)

Restaurace obrazu, časové řady a robustnost - chtěla vědět, k čemu je to D u restaurace (~ omezuje řešení)

Byla klasicky příjemná a hodná. Ptá se i na poslední látku, my probrali časové řady a modulární sítě na poslední přednášce, která byla taky včera ráno:-)

Fíďa

Jen dodam, ze D je regularizacni clen, ktery ma urcovat ve vysledku mnozstvi reseni.

https://docs.google.com/document/pub?id ... IbIqsQ5BRc - tady jsou errata, ktera jsme ke slidum psali.

Ahoj, tak zkouska v utery probihala tak, ze se nas seslo cca 20 (3 na ATNS, zbytek na Dobyvani znalosti). Vsem bez rozdilu rekla, ze budeme psat na papir, mame na to hodinu a pul, pak to odevzdame a v 16:00 se dostavime pro vysledky (zkouska byla od 9:00). Takze zadna interaktivni pisemka, jak to byva v ostatnich predmetech zvykem.

Vsichni na ATNS meli stejne zadani:

1. Adaptivni smesi lokalnich expertu - chtela uplne vsechno ze slajdu (ale seriove zapojeni siti uz ne). U derivaci jsem ji napsal skoro vsechno ze slajdu s nekolika chybama, a neco mi tam chybelo. Ohodnotila za 2.

2. Zpracovani casovych vzorcu - tady jsme hlavne meli napsat posledni slajdy od zacatku az do algoritmu uceni. Na dotaz, jestli chce i algoritmy uceni, odpovedela, ze kdyz je tam napiseme, bude to jedine dobre :/ Tak jsem popsal FIR neuron a tak dal... A ucici algoritmy - u kazdeho spis tak nejak slovne, u par jsem se pokusil aspon prvni krok vypoctu derivace, ale vetsinou ne moc uspesne. Ohodnotila za 1.

3. Treti otazka byla jen pro me, protoze jsem byl presne mezi 1/2. Dostal jsem editacni algoritmy (vcetne kondenzacniho). Jen jsem napsal samotne algoritmy a k cemu se pouzivaji. To na rozhodnuti pro 1 stacilo.

Prakticky neni moc potreba nejak hluboce chapat obsah slajdu, kdyz je tam clovek zvladne +- zreprodukovat, tak uz se nic hlubsiho nezkouma. A asi by se dalo rict, ze ty nejhnusnejsi derivace by nemelo byt treba umet (otazka je, kdo rozhodne, co uz je dostatecne hnusny :) ).

Moje zkusenost rika, ze jsem predmet podcenil a dva dny na uceni byly spis malo nez akorat - aspon pocitove, proste jsem do toho za 2 dny neproniknul. Ale nic horsiho nez casovy rady uz asi clovek dostat nemuze, takze pokud vam nejde o pocit, ale jenom o znamku <4...

Moje otazky:

• restaurace degradovaneho obrazu pomoci Hopfielda

• klasifikace pomoci nejblizsiho souseda a algoritmy optimalizace trenovaci mnoziny