Спецсеминар "Байесовские методы машинного обучения"/осень 2011

Материал из MachineLearning.

Перейти к: навигация, поиск

В осеннем семестре 2011/2012 учебного года спецсеминар проходит на ВМиК МГУ по средам в ауд. 510, начало в 18-30.

Расписание семинаров

Дата Название семинара Комментарии
7 сентября 2011 Елшин Денис, студент 4 курса ВМК МГУ.
Рассказ о летней школе Microsoft по компьютерному зрению.
Сайт летней школы.
21 сентября 2011 Ушмаев Олег, в.н.с. ИПИ РАН.
Подход к измерению активности выброса радиоактивных веществ по данным мониторинга радиационной обстановки.
Презентация (PDF, 3.13Мб)
28 сентября 2011 Визильтер Юрий Валентинович, рук. лаборатории компьютерного машинного зрения ФГУП ГосНИИАС.
Морфологический подход к синтезу метрических классификаторов и его реализация методом отыскания минимального разреза графа соседства для обучающей выборки.
Презентация (PDF, 744Кб)
Программа (RAR, 1.62Мб)
Статья на ММРО (PDF, 375Кб)
5 октября 2011 Кропотов Дмитрий Александрович, м.н.с. ВЦ РАН.
Boltzmann Machines: математические модели, алгоритмы обучения, примеры применения..
12 октября 2011 Шальнов Евгений, студент 4-го курса ВМК.
Обобщение алгоритмов \alpha-расширения и \alpha-\beta замены.
Презентация (PDF, 260Кб)
19 октября 2011 Ветров Дмитрий Петрович, н.с. ВМК МГУ.
История Древнего Рима.
Ненаучный семинар
26 октября 2011 Новиков Павел, студент 4-го курса ВМК.
Поиск дескрипторов, инвариантных к нелинейным деформациям и изменению освещенности
2 ноября 2011 Андрей Голдберг, сотрудник Microsoft Research, Silicon Valley.
Быстрые алгоритмы поиска максимального потока в графе
Презентация

Зачет по спецсеминару

Зачет состоится в конце декабря.

Список вопросов к зачету:

  1. Минимизация парно-сепарабельной энергии с бинарными переменными при помощи алгоритма поиска максимального потока в графе. Триангуляция Делоне и диаграмма Вороного. Применение этих техник для построения метрического классификатора Ю. Визильтера.
  2. Схема Гиббса для генерации выборки из распределения. Примеры применения. Вывод формул для схемы Гиббса в моделях BM и RBM.
  3. Вариационный подход. Примеры применения. Вывод формул для вариационного подхода в модели DBM.
  4. Модель DBM. Алгоритм обучения. Примеры применения.
  5. Алгоритмы \alpha-расширения и \alpha-\beta замены для минимизации парно-сепарабельной энергии с K-значными переменными. Алгоритм \alpha-расширения \beta-сдвига.
Личные инструменты