RPZ
Z OI wiki
(Rozdíly mezi verzemi)
m (→Studijní materiály) |
|||
(Není zobrazeno 5 mezilehlých verzí.) | |||
Řádka 24: | Řádka 24: | ||
== Studijní materiály == | == Studijní materiály == | ||
- | [http://cw.felk.cvut.cz/doku.php/courses/a4b33rpz/start Oficiální stránka předmětu] | + | * [http://cw.felk.cvut.cz/doku.php/courses/a4b33rpz/start Oficiální stránka předmětu] |
- | [http://cmp.felk.cvut.cz/cmp/courses/recognition/Exam-questions/ Příklady z minulých testů a zkoušek] | + | * [http://cmp.felk.cvut.cz/cmp/courses/recognition/Exam-questions/ Příklady z minulých testů a zkoušek] |
+ | * [http://cmp.felk.cvut.cz/cmp/courses/recognition/zapis_prednasky/ zápisky z přednášek z roku 2001] | ||
+ | * [http://www.nature.com/nbt/journal/v26/n8/full/nbt1406.html Hezké vysvětlení EM algoritmu] | ||
+ | |||
== Zkoušky == | == Zkoušky == | ||
+ | [http://oi.hanx.cz/files/RPZ/rpz_zkouska_2014.15.01.jpg zkouska 16.1.2014] | ||
+ | |||
+ | |||
+ | = Řešení = | ||
+ | 1.) [http://oi.hanx.cz/files/RPZ/test2014_1_MLE.jpg první příklad MLE] | ||
+ | |||
+ | 2.) [http://oi.hanx.cz/files/RPZ/test2014_2%20_Neyman-P.jpg druhý příklad Neyman-Pearson] | ||
+ | |||
+ | 3.) (citace spoluzaka) řešení je jednoduché - váha třetího vyjde nula hned v prvním kroku > alfa bude nekonečno > po normalizaci bude váha 1 a ostatních 0, protože ten třetí je ve skutečnosti od začátku silný klasifikátor (prof. Matas si hrál na poslední chvíli se zadáním a udělal z toho takhle vtipný příklad) | ||
+ | |||
+ | 4.) popsat vyhody nevyhody neuronovych siti a srovnani - cim vic kecu kolem, tim asi lepe |
Aktuální verze z 9. 2. 2017, 19:46
|
|
Info o předmětu
- Přednášející: prof. Ing. Jiří Matas, Ph.D.
- Cvičící:
Pravidla předmětu
Studijní materiály
- Oficiální stránka předmětu
- Příklady z minulých testů a zkoušek
- zápisky z přednášek z roku 2001
- Hezké vysvětlení EM algoritmu
Zkoušky
Řešení
2.) druhý příklad Neyman-Pearson
3.) (citace spoluzaka) řešení je jednoduché - váha třetího vyjde nula hned v prvním kroku > alfa bude nekonečno > po normalizaci bude váha 1 a ostatních 0, protože ten třetí je ve skutečnosti od začátku silný klasifikátor (prof. Matas si hrál na poslední chvíli se zadáním a udělal z toho takhle vtipný příklad)
4.) popsat vyhody nevyhody neuronovych siti a srovnani - cim vic kecu kolem, tim asi lepe