Графические модели (курс лекций)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (→Расписание занятий)
 
(209 промежуточных версий не показаны.)
Строка 1: Строка 1:
-
__NOTOC__
+
#REDIRECT [[Графические модели (курс лекций)/2015]]
-
 
+
-
{|border = "0"
+
-
|[[Изображение:Mrf.jpg|300px]]
+
-
| valign="top"|Курс посвящен математическим методам обработки информации, основанных на использовании внутренних взаимосвязей в данных и их последующем анализе. Эти методы широко используются при решении задач из разных прикладных областей, включая обработку изображений и видео, анализ социальных сетей, распознавание речи, машинное обучение. До 2011 года курс читался как спецкурс [[Структурные методы анализа изображений и сигналов (курс лекций)/2011|«Структурные методы анализа изображений и сигналов»]].
+
-
|}
+
-
 
+
-
Лекторы: [[Участник:Dmitry Vetrov|Д.П. Ветров]], [[Участник:Kropotov|Д.А. Кропотов]].
+
-
 
+
-
Семинарист: [[Участник:Anton|А.А. Осокин]].
+
-
 
+
-
== Расписание занятий ==
+
-
 
+
-
В 2012 году курс читается в весеннем семестре на факультете [[ВМиК]] МГУ по средам в ауд. 524, начало в 16-50.
+
-
 
+
-
{| class="standard"
+
-
!Дата||Занятие||Материалы
+
-
|-
+
-
|8 февраля 2012 || Лекция 1 «Графические модели: Байесовские и марковские сети» || [[Media:Lecture1 GM.pdf|Презентация (PDF, 1.01 Мб)]]
+
-
|-
+
-
|15 февраля 2012  || Лекция 2 «Точные методы вывода в ациклических графических моделях. Алгоритм Belief Propagation» || [[Media:SMAIS-2011-BP.pdf| Конспект (PDF, 64 Кб)]]
+
-
|-
+
-
|22 февраля 2012 || Семинар 1 ||
+
-
|-
+
-
|29 февраля 2012 || Лекция 3 «Скрытые марковские модели. Алгоритм сегментации сигнала, обучение с учителем» || [[Media:Lecture3.pdf| Презентация (PDF, 700 Кб)]]
+
-
|-
+
-
|7 марта 2012 || Лекция 4 «Задача фильтрации многомерных сигналов. Линейные динамические системы. Фильтр Калмана» || [[Media:GM12_4.pdf|Конспект (PDF, 281Кб)]]
+
-
|-
+
-
|14 марта 2012 || Лекция 5 «ЕМ-алгоритм. Обучение скрытых марковских моделей и линейных динамических систем.» || [[Media:Lecture5.pdf| Презентация (PDF, 1.14 Мб)]]
+
-
|-
+
-
|21 марта 2012 || Лекция 6 «Алгоритмы на основе разрезов графов, <tex>\alpha</tex>-расширение.» || [[Media:Lecture6.pdf| Презентация (PDF, 618 Кб)]]
+
-
|-
+
-
|28 марта 2012 || Лекция 7 «Приближенные методы вывода в циклических графических моделях. Алгоритм Tree-ReWeighted Message Passing (TRW)» || [[Media:TRW.pdf| Конспект лекции (PDF, 86Кб)]]
+
-
|-
+
-
|4 апреля 2012 || Семинар 2 ||
+
-
|-
+
-
|11 апреля 2012 || Лекция 8 «Структурный метод опорных векторов» ||
+
-
|-
+
-
|18 апреля 2012 || Лекция 9 «Методы Монте Карло по схеме марковских цепей» ||
+
-
|-
+
-
|25 апреля 2012 || Семинар 3 ||
+
-
|-
+
-
|2 мая 2012 || ||
+
-
|-
+
-
|16 мая 2012 || Лекция 10 «Вариационный вывод» ||
+
-
|-
+
-
|}
+
-
 
+
-
== Практические задания ==
+
-
 
+
-
Задание 1. [[Графические модели (курс лекций)/2012/Задание 1| «Алгоритмы передачи сообщений»]].
+
-
 
+
-
Задание 2. [[Графические модели (курс лекций)/2012/Задание 2| «Динамические системы и фильтр Калмана»]].
+
-
 
+
-
Задание 3. [[Графические модели (курс лекций)/2012/Задание 3| «TRW и α-расширение»]].
+
-
 
+
-
Задание 4. [[Графические модели (курс лекций)/2012/Задание 4| «Разрезы графов и двойственное разложение»]].
+
-
 
+
-
Задание 5. Структурное обучение.
+
-
 
+
-
== Оценки ==
+
-
{|class = "standard sortable"
+
-
! class="unsortable"|№ п/п !! Студент !! Задание 1 (3 балла) !! Задание 2 (4 балла) !! Задание 3 !! Задание 4 !! Сумма
+
-
|-
+
-
| align="center"|1 || Александров Я. || 2 || 2.5 || || ||
+
-
|-
+
-
| align="center"|2 || Артюхин С. || <tex>\frac{872837945567613}{290945981855871}</tex> || 3 || || ||
+
-
|-
+
-
| align="center"|3 || Бобрик К. || 3 || 2.5 || || ||
+
-
|-
+
-
| align="center"|4 || Гаврилюк К. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|5 || Елшин Д. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|6 || Ермушева А. || 2 || 2.5 || || ||
+
-
|-
+
-
| align="center"|7 || Зимовнов А.|| 3 || 4 || || ||
+
-
|-
+
-
| align="center"|8 || Игнатьев О. || 2.999999998 || 3 || || ||
+
-
|-
+
-
| align="center"|9 || Кириллов А. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|10 || Марченко Е.|| 3 || 3 || || ||
+
-
|-
+
-
| align="center"|11 || Матвеева Д. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|12 || Меркулова Т. || 2.9 || 2.5 || || ||
+
-
|-
+
-
| align="center"|13 || Некрасов К. || 2.999999998 || 3.5 || || ||
+
-
|-
+
-
| align="center"|14 || Новиков П. || 3 || на проверке || || ||
+
-
|-
+
-
| align="center"|15 || Панов А. || <tex>\frac{872837945567613}{290945981855871}</tex> || 3 || || ||
+
-
|-
+
-
| align="center"|16 || Плященко Е. || 2 || 4 || || ||
+
-
|-
+
-
| align="center"|17 || Полежаев В. || 3 || 2.5 || || ||
+
-
|-
+
-
| align="center"|18 || Сабурова М. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|19 || Соколов Е.|| 3 || 4 || || ||
+
-
|-
+
-
| align="center"|20 || Фигурнов М. || 3 || 3 || || ||
+
-
|-
+
-
| align="center"|21 || Цупков С. || 2.999999998 || 3.5 || || ||
+
-
|-
+
-
| align="center"|22 || Шанин И. || не получено || не получено || || ||
+
-
|-
+
-
| align="center"|23 || Львов С. (212) || 3 || не получено || || ||
+
-
|-
+
-
| align="center"|24 || Ульянов Д. (212) || 3 || 4 || || ||
+
-
|-
+
-
| align="center"|25 || Тихонов А. (517) || 0 || не получено || || ||
+
-
|}
+
-
 
+
-
== Программа курса ==
+
-
 
+
-
=== Введение в курс и понятие графических моделей. Байесовские и марковские сети. ===
+
-
 
+
-
Обзор курса. Задачи анализа структурированных данных. Представление зависимостей между объектами в виде графов. Байесовские сети. Элементарные способы работы с байесовскими сетями. Марковские сети. Потенциалы на кликах. Примеры использования марковских сетей для анализа изображений.
+
-
 
+
-
''Ликбез: независимость случайных событий. Условная вероятность. Условная независимость.''
+
-
 
+
-
[http://en.wikipedia.org/wiki/Graphical_models Статья в Википедии по графическим моделям]
+
-
 
+
-
{|
+
-
|<videoflash type="vimeo">7348738</videoflash>
+
-
|<videoflash type="vimeo">7517616</videoflash>
+
-
|}
+
-
 
+
-
[[Media:Lecture1 GM.pdf|Презентация лекции (PDF, 1.01 Мб)]]
+
-
 
+
-
=== Точные методы вывода в ациклических графических моделях: Алгоритм Belief Propagation. ===
+
-
 
+
-
Поиск наиболее вероятной конфигурации ацикличной марковской сети с помощью алгоритма Belief Propagation (динамическое программирование). Интерфейс передачи сообщений. Подсчет мин-маргиналов. Поиск маргинальных распределений для графических моделей в форме дерева. Использование произвольных полукольцевых операций в графических моделях.
+
-
 
+
-
[[Media:SMAIS-2011-BP.pdf| Конспект лекции (PDF, 64 Кб)]]<br>
+
-
[http://en.wikipedia.org/wiki/Belief_propagation Статья в Википедии про алгоритм Belief Propagation]
+
-
 
+
-
=== Скрытые марковские модели (СММ). Алгоритм сегментации сигнала ===
+
-
 
+
-
Примеры задач сегментации сигналов. Обучение СММ с учителем. Поиск наиболее вероятной последовательности состояний (алгоритм Витерби).
+
-
 
+
-
=== Линейные динамические системы. Фильтр Калмана ===
+
-
 
+
-
Свойства многомерного нормального распределения. Задача сопровождения объекта. Линейные динамические системы, фильтр Калмана. Обучение параметров линейной динамической системы с учителем. Расширенный фильтр Калмана, пример использования.
+
-
 
+
-
[[Media:GM12_4.pdf|Конспект лекции (PDF, 281Кб)]]
+
-
 
+
-
=== Обучение СММ без учителя ===
+
-
 
+
-
ЕМ-алгоритм и его использование в анализе графических моделей. Алгоритм Баума-Уэлша для подсчета условного распределения скрытой переменной в отдельной точке. ЕМ-алгоритм для обучения СММ без учителя. Особенности численной реализации на ЭВМ. Модификации СММ (СММ высших порядков, факториальные СММ, многопоточные СММ, СММ ввода-вывода). Примеры использования СММ.
+
-
 
+
-
[[Media:lecture5.pdf|Презентация (PDF, 1.2Мб)]]
+
-
 
+
-
=== Алгоритмы на основе разрезов графов ===
+
-
 
+
-
Энергетическая формулировка задач компьютерного зрения. Разрезы графов, алгоритмы нахождения максимального потока. Интерактивная сегментация изображений. Энергия, которую можно минимизировать с помощью разрезов графов. Приближенная минимизация энергии с помощью алгоритма альфа-расширения.
+
-
 
+
-
[[Media:Lecture6.pdf| Презентация (PDF, 618 Кб)]]
+
-
 
+
-
=== Приближенные методы вывода в графических моделях: Tree-ReWeighted Message Passing (TRW). ===
+
-
 
+
-
ЛП-релаксация задачи байесовского вывода. Двойственное разложение. Независимость алгоритма TRW от способа разбиений на деревья. Свойства алгоритма TRW для субмодулярной энергии.
+
-
 
+
-
[[Media:TRW.pdf|Конспект лекции (PDF, 86Кб)]]
+
-
 
+
-
=== Методы настройки марковских случайных полей. Структурный метод опорных векторов. ===
+
-
 
+
-
=== Методы Монте Карло по схеме марковских цепей ===
+
-
Теоретические свойства марковских цепей: однородной, эргодичность и инвариантные распределения. Схема Метрополиса-Хастингса. Схема Гиббса. Примеры применения для дискретных марковских сетей. Фильтр частиц.
+
-
 
+
-
=== Вариационный вывод ===
+
-
 
+
-
== Литература ==
+
-
 
+
-
# [http://matthias.vallentin.net/probability-and-statistics-cookbook/ Памятка по теории вероятностей]
+
-
# ''Bishop C.M.'' [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.
+
-
# ''Mackay D.J.C.'' [http://www.inference.phy.cam.ac.uk/mackay/itila/book.html Information Theory, Inference, and Learning Algorithms.] Cambridge University Press, 2003.
+
-
# ''Jordan M.I. (Ed.)'' Learning in graphical models. Cambridge MA: MIT Press, 1999
+
-
# ''Cowell R.G., Dawid A.P., Lauritzen S.L., Spiegelhalter D.J.'' Probabilistic networks and expert systems. Berlin: Springer, 1999.
+
-
 
+
-
== Страницы курса прошлых лет ==
+
-
 
+
-
[[Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)|2009 год]]
+
-
 
+
-
[[Структурные методы анализа изображений и сигналов (курс лекций)/2011|2011 год]]
+
-
 
+
-
== См. также ==
+
-
 
+
-
[[Бммо|Курс «Байесовские методы машинного обучения»]]
+
-
 
+
-
[[Спецсеминар "Байесовские методы машинного обучения"|Спецсеминар «Байесовские методы машинного обучения»]]
+
-
 
+
-
[[Математические методы прогнозирования (кафедра ВМиК МГУ)]]
+
-
 
+
-
[https://stanford.campus-class.org/pgm/auth/welcome Онлайн-курс Стэнфордского университета по вероятностным графическим моделям]
+
-
 
+
-
[[Категория:Учебные курсы]]
+
-
[[Категория:Байесовские методы]]
+

Текущая версия

  1. REDIRECT Графические модели (курс лекций)/2015
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%93%D1%80%D0%B0%D1%84%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%29»
Личные инструменты