Спецсеминар "Байесовские методы машинного обучения"/весна 2012
Материал из MachineLearning.
(Различия между версиями)
м (вопросы) |
(→Расписание семинаров) |
||
| (1 промежуточная версия не показана) | |||
| Строка 25: | Строка 25: | ||
| 29 февраля 2012 | | 29 февраля 2012 | ||
| ''[[Участник:Dmitry Vetrov|Ветров Д.П.]]'', н.с. каф. ММП,<br>'''Великая французская революция''' | | ''[[Участник:Dmitry Vetrov|Ветров Д.П.]]'', н.с. каф. ММП,<br>'''Великая французская революция''' | ||
| - | | Ненаучный семинар | + | | Ненаучный семинар<br> [[Участник:Dmitry Vetrov#Популярные лекции на отвлеченные темы|Видео-запись лекции]] |
|- | |- | ||
| 7 марта 2012 | | 7 марта 2012 | ||
| ''Галатенко В.В.'', мех-мат МГУ,<br>'''Метод Прони приближения функций с помощью линейной комбинации экспоненциальных функций''' | | ''Галатенко В.В.'', мех-мат МГУ,<br>'''Метод Прони приближения функций с помощью линейной комбинации экспоненциальных функций''' | ||
| - | | | + | | [http://en.wikipedia.org/wiki/Prony's_method Статья в Википедии] |
|- | |- | ||
| 14 марта 2012 | | 14 марта 2012 | ||
Текущая версия
В весеннем семестре 2012 г. спецсеминар проходит на ВМК по средам в ауд. 524, начало в 18-45.
Расписание семинаров
| Дата | Название семинара | Комментарии |
|---|---|---|
| 8 февраля 2012 | Вишневский В.В. Level-set методы сегментации изображений. Использование локальной анизотропной геометрической априорной информации | Слайды |
| 15 февраля 2012 | Никулин В.Н., сотр. каф. математических методов в экономике Вятского Гос. Университета Факторные разложения матриц при помощи метода градиентного спуска в приложении к задачам классификации | Статья (Логин: ICML, пароль: UTL11) |
| 22 февраля 2012 | Бартунов Сергей, студент 5-го курса ВМК, Разрешение идентичностей пользователей в социальных сетях | Презентация |
| 29 февраля 2012 | Ветров Д.П., н.с. каф. ММП, Великая французская революция | Ненаучный семинар Видео-запись лекции |
| 7 марта 2012 | Галатенко В.В., мех-мат МГУ, Метод Прони приближения функций с помощью линейной комбинации экспоненциальных функций | Статья в Википедии |
| 14 марта 2012 | Кропотов Д.А., ВЦ РАН, Локальные вариационные оценки для решения задач оптимизации в машинном обучении | Текст (PDF, 376Кб) |
| 21 марта 2012 | Новиков П.А., студент 4-го курса ВМК, Дескрипторы особых точек на изображении, инвариантные к нелинейным деформациям и изменениям освещения | |
| 28 марта 2012 | Гавриков М.И., студент 3-го курса ВМК, Метод построения медианного скелета | |
| 4 апреля 2012 | Ветров Д.П., н.с. ВМК, Обучение структурного метода опорных векторов по слабо-размеченным данным | |
| 11 апреля 2012 | Меняйлов В., студент 5-го курса ВМК, Обзор применения байесовских методов в анализе текстов | |
| 18 апреля 2012 | Тихонов А., студент 5-го курса ВМК, Методы деконволюции изображений | |
| 25 апреля 2012 | Вежневец А., ETH, Структурное обучение по слабо-размеченным данным для задачи семантической сегментации изображений | Презентация (PDF, 2.33Мб) Статья |
| 2 мая 2012 | Лобачева Е., студентка 3-го курса ВМК, Deep Boltzmann Machine | Презентация (PDF, 1.9Мб) |
Зачет по спецсеминару
Зачет по спецсеминару состоится в четверг, 24 мая. Начало в 15-00. Схема проведения зачета следующая: каждому студенту за сутки до зачета выдается один из вопросов, по которому на самом зачете он выступает у доски в течение 15 минут.
Предварительный список вопросов к зачету:
- Метод стохастического градиентного спуска и его применение для поиска матричной факторизации. Схема выбора величины шага по градиенту.
- Метод Прони приближения функции с помощью линейной комбинации экспоненциальных функций.
- Супергауссовские потенциалы и их использование в байесовской модели линейной регрессии.
- Вариационные оценки для логистической и мультиномиальной функции. Их использование для обучения логистической и мультиномиальной регрессии.
- Подход к решению задачи сегментации слабо-размеченных изображений. Схема выбора коэффициентов при потенциалах в энергии.
- Модели машин Больцмана: BM, RBM, DBM. Обучение и вывод в RBM с помощью схем Гиббса, обучение и вывод в DBM с помощью вариационного подхода и схем Гиббса. Способы применения машин Больцмана.
