Rozpoznawanie obrazów
Transkrypt
Rozpoznawanie obrazów
Rozpoznawanie obrazów KOLOKWIUM 2.06.2016 Zadanie 1 (5pkt) Dany jest wektor cech φ = (φ1 , φ2 ) oraz prawdopodobie«stwa p(φ1 |y = 0) = 0.4, p(φ1 |y = 1) = 0.2, p(φ2 |y = 0) = 0.7, p(φ2 |y = 1) = 0.5 oraz p(y = 0) = 0.4. Zakªadaj¡c, »e p(φ1 , φ2 |y) = p(φ1 |y)p(φ2 |y) poda¢ w karcie odpowiedzi: 1.1. Prawdopodobie«stwo p(y = 1) (1 pkt) 1.2. Prawdopodobie«stwo p(φ|y = 0) (1 pkt) 1.3. Prawodpodobie«stwo p(y = 0|φ) (1 pkt) 1.4. Prawodpodobie«stwo p(y = 1|φ) (1 pkt) 1.5. Klas¦, do której zaklasykujemy wektor φ (1 pkt) Zadanie 2 (5pkt) Dana jest zmienna losowa x ∈ N+ o rozkªadzie Poissona: p(x|λ) = λx e−λ , x! gdzie λ > 0. Dla obserwacji D = {x1 , . . . , xN } poda¢ w karcie odpowiedzi: 2.1. Funkcj¦ wiarygodno±ci p(D|λ) (1 pkt) 2.2. Estymator najwi¦kszej wiarygodno±ci (ML) dla parametru λ (3 pkt) 2.3. Warto±¢ estymatora dla D = {1, 3, 2, 1, 4} (1 pkt) Zadanie 3 (5pkt) Dane s¡ macierze X ∈ RN ×D , Y ∈ RN ×K , A ∈ RK×D oraz funkcja K N 1 XX f (A) = 2 ynk − D X !2 akd xnd d=1 n=1 k=1 Poda¢ w karcie odpowiedzi: 3.1. Pochodn¡ cz¡stkow¡ ∂f ∂aij (3 pkt) 3.2. Gradient ∇A f (A) zapisany bez u»ycia jakielkowiek sumy. (2 pkt) Zadanie 4 (5pkt) Prosz¦ poda¢ wªa±ciw¡ odpowied¹ w karcie odpowiedzi: 4.1. Ile parametrów posiada model wieloklasowej regresji dla K klas, je»eli φ(x) ∈ RM ? a) M + K b) M K c) M (K + 1) d) M 4.2. Modelem nieparametrycznym jest model: a) MLP b) SVM c) regresji liniowej d) naiwnego Bayesa 4.3. Zadanie uczenia jest szczególnym przypadkiem problemu: a) regularyzacji b) klasykacji c) ekstrakcji cech d) optymalizacji 4.4. Estymator θ maksymalizuj¡cy funkcj¦ p(θ|D) nazywamy estymatorem: a) nieobci¡»onym b) najwi¦kszej wiarygodno±ci c) Bayesa d) maksymalnego a posteriori 4.5. Uczenie gª¦bokie pozwala zautomatyzowa¢ procedur¦: a) ekstrakcji cech b) selekcji modelu c) wnioskowania d) uczenia KARTA ODPOWIEDZI A Imi¦ i Nazwisko: Nr indeksu: 1.1 1.2 1.3 1.4 1.5 0.6 0.28 ≈ 0.651 ≈ 0.349 0 ZAD 1 2.1 2.2 2.3 ZAD 2 N Y λxn e−λ xn ! n=1 λM L = N 1 X xn N n=1 2.2 3.1 3.2 ZAD 3 N D X X ∂f =− yni − aid xnd xnj ∂aij n=1 d=1 ! − YT − AXT X 4.1 4.2 4.3 4.4 4.5 B B D D A ZAD 4