Спецсеминар "Байесовские методы машинного обучения"/весна 2011

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(+ вопросы по LARS, объявление о зачете)
Строка 20: Строка 20:
|-
|-
| 4&nbsp;марта&nbsp;2011<br>
| 4&nbsp;марта&nbsp;2011<br>
-
| [[Участник:Dmitry Vetrov|''Ветров Дмитрий'']], н.с. ВМК МГУ.<br>'''Субмодулярное разложение ассоциативных марковских сетей'''<br>[[Media:SMD.pdf|Статья на CVPR2011]]
+
| [[Участник:Dmitry Vetrov|''Ветров Дмитрий'']], н.с. ВМК МГУ.<br>'''Субмодулярное разложение ассоциативных марковских сетей'''<br>[[Media:SMD.pdf|Статья на CVPR2011]]| Представление работы, принятой на конференцию Computer Vision and Pattern Recognition (CVPR2011).
|
|
|-
|-

Версия 16:15, 16 мая 2011

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
Личные инструменты