Спецсеминар "Байесовские методы машинного обучения"/весна 2011

Материал из MachineLearning.

Перейти к: навигация, поиск

Вернуться к основной странице спецсеминара.

В весеннем семестре 2011 года спецсеминар проходит на ВМиК МГУ по пятницам в ауд. 612, начало в 18-20.

Расписание семинаров

Дата Название семинара Комментарии
9 февраля 2011 Осокин Антон, аспирант 1-ого года ВМК МГУ.
Вписывание геометрических моделей с помощью минимизации энергии.
Презентация на семинаре 		Представление статьи, принятой в International Journal of Computer Vision.
18 февраля 2011
 Лаптев Дмитрий, студент 5 курса ВМК МГУ.
Deep Learning.
Презентация на семинаре
4 марта 2011
 Ветров Дмитрий, н.с. ВМК МГУ.
Субмодулярное разложение ассоциативных марковских сетей
Статья на CVPR2011 		Представление работы, принятой на конференцию Computer Vision and Pattern Recognition (CVPR2011).
18 марта 2011
 Янгель Борис, аспирант 1-ого года ВМК МГУ.
Shape Prior на основе упрощенного циркулярного графа.
Презентация на семинаре
1 апреля 2011
 Ромов Петр, студент 2 курса ВМК МГУ.
Fields of Experts.
Презентация на семинаре
15 апреля 2011
 Кропотов Дмитрий, м.н.с. ВЦ РАН.
L_p-регуляризация линейной регрессии. Алгоритм LARS.

Зачет по спецсеминару

Зачет состоится 20 мая, ауд. П-8а, начало в 13-00. Можно подходить в любое время с 13-00 до 18-00.

Список вопросов к зачету:

  1. Алгоритм PEARL. Примеры применения.
  2. Алгоритм минимизации энергии с штрафом за использование классов.
  3. Convolution neural network: решаемые задачи, структура, настройка весов.
  4. Restricted Boltzman Machine и ее связь с Deep Belief Networks.
  5. Виды релаксации дискретной задачи поиска минимума энергии марковского поля.
  6. Алгоритм субмодулярного разложения MRF
  7. Некоторые способы учета формы в задаче сегментации изображений
  8. Алгоритм сегментации с моделью формы на основе упрощенного циркулярного графа
  9. Модель Fields of Experts и задачи, решаемые с ее помощью.
  10. L_p-регуляризация линейной регрессии. Метод LASSO, его теоретические свойства (состоятельность по знакам и кусочно-линейный путь регуляризации).
  11. Алгоритм LARS. Модификация LARS/LASSO.
  12. Задача деконволюции с неизвестным ядром.
  13. Понятие эпитома. Применение эпитомов в практических задачах.
  14. Алгоритм поиска эпитома для заданного изображения.
  15. Построение границы между клетками с помощью динамического программирования
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A1%D0%BF%D0%B5%D1%86%D1%81%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80_%22%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F%22/%D0%B2%D0%B5%D1%81%D0%BD%D0%B0_2011»
Личные инструменты