Байесовские методы машинного обучения (Спецсеминар)/2010-2011

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(+ презентация Елшина)
Строка 62: Строка 62:
| 8&nbsp;декабря&nbsp;2010<br>
| 8&nbsp;декабря&nbsp;2010<br>
| ''Рябенко Евгений'', аспирант ВМК МГУ.<br>'''Множественная проверка гипотез на пространственных структурах. Применение теории случайных полей.'''<br> [[Media:SPM_and_MHT_Riabenko.pdf‎‎|Презентация на семинаре.]]
| ''Рябенко Евгений'', аспирант ВМК МГУ.<br>'''Множественная проверка гипотез на пространственных структурах. Применение теории случайных полей.'''<br> [[Media:SPM_and_MHT_Riabenko.pdf‎‎|Презентация на семинаре.]]
 +
|
 +
|-
 +
| 15&nbsp;декабря&nbsp;2010<br>
 +
| ''Елшин Денис'', студент 3-ого курса ВМК МГУ.<br>'''Эпитомы и их применение.'''<br> [[Media:Elshin_epitomes.pdf‎‎|Презентация на семинаре.]]
|
|
|}
|}
-
== Предварительный список вопросов к зачету ==
+
== Список вопросов к зачету ==
# Фильтр Винера.
# Фильтр Винера.
# Моделирование искаженного изображения с помощью операции свертки и случайного шума. Задача деконволюции (обратной свертки).
# Моделирование искаженного изображения с помощью операции свертки и случайного шума. Задача деконволюции (обратной свертки).
Строка 82: Строка 86:
# Проверка статистических гипотез. Ошибки первого и второго рода. Уровень значимости.
# Проверка статистических гипотез. Ошибки первого и второго рода. Уровень значимости.
# Множественная проверка гипотез. Коррекции уровня значимости с помощью FDR и FWER
# Множественная проверка гипотез. Коррекции уровня значимости с помощью FDR и FWER
 +
# Понятие эпитома. Применение эпитомов в практических задачах.
 +
# Алгоритм поиска эпитома для заданного изображения

Версия 02:33, 16 декабря 2010

Вернуться к основной странице спецсеминара.

В осеннем семестре 2010 года спецсеминар проходит на ВМиК МГУ по средам в ауд. 526б, начало в 18-20.

Расписание семинаров на 2010–2011 учебный год

Дата Название семинара Комментарии
8 сентября 2010 Тихонов Андрей, студент 4 курса ВМК МГУ.
Алгоритм повышения качества размытых изображений.
Презентация на семинаре
Оригинальная статья и слайды
Представление проекта в рамках Всероссийской молодежной школы по суперкомпьютерным технологиям.
15 сентября 2010
Лаптев Дмитрий, Чернышев Виктор, студенты 5 курса ВМК МГУ.
Методы прогнозирования солнечной активности.
Презентация на семинаре
Основные идеи проекта, методы, полученные результаты, текущее состояние, основные направления дальнейшей работы.
22 сентября 2010
Воронин Павел, сотрудник Курчатовского института.
Мультимодальные методы регистрации.
Презентация на семинаре (часть 1)
Презентация на семинаре (часть 2)
29 сентября 2010
Ветров Дмитрий Петрович, ВМК МГУ.
Сообщение по результатам поездки на конференцию ECML PKDD 2010.
Затрагиваемые темы:
6 октября 2010
Вишневский Валерий, студент 5 курса ВМК МГУ.
Методы поиска паттернов в поведенческих данных. Задача определения концентрации ферментов.
Презентация на семинаре.
27 октября 2010
Некрасов Константин, студент 3 курса ВМК МГУ.
Решение задачи поиска клеток с почками на изображениях дрожжевых культур.

Презентация на семинаре.

3 ноября 2010
Рябенко Евгений, аспирант ВМК МГУ.
Статистический анализ экспрессии генов на микрочипе.
10 ноября 2010
Ветров Дмитрия Петрович, ВМК МГУ.
Первая мировая война.
Необязательный семинар.
17 ноября 2010
Некрасов Константин, студент 3 курса ВМК МГУ.
Восстановление клеточной структуры по микроскопным снимкам.
24 ноября 2010
Темлянцев Александр, аспирант ВМК МГУ.
Прямо-двойственные методы в задачах условной оптимизации.
Презентация на семинаре.
1 декабря 2010
Шаповалов Роман, аспирант лаборатории компьютерной графики и мультимедиа ВМК МГУ.
Структурный метод опорных векторов.
8 декабря 2010
Рябенко Евгений, аспирант ВМК МГУ.
Множественная проверка гипотез на пространственных структурах. Применение теории случайных полей.
Презентация на семинаре.
15 декабря 2010
Елшин Денис, студент 3-ого курса ВМК МГУ.
Эпитомы и их применение.
Презентация на семинаре.

Список вопросов к зачету

  1. Фильтр Винера.
  2. Моделирование искаженного изображения с помощью операции свертки и случайного шума. Задача деконволюции (обратной свертки).
  3. Метод ветвей и границ для поиска групп пятен.
  4. Сегментация изображений при помощи вариационного приближения.
  5. Использование различных видов регуляризации в машинном обучении (квадратичная, L1, L0). Их преимущества и недостатки.
  6. Двойственность в задаче линейного программирования.
  7. Методы сглаживания сигналов.
  8. Постановка задачи поиска паттернов поведения.
  9. Поиск границ на изображении с помощью фильтра лапласиан гауссианы.
  10. Скелеты и циркулярное представление для бинарных изображений. Методы поиска скелетов.
  11. Методы выравнивания яркости Single-Scale Retinex и Mutli-Scale Retinex
  12. Метод водораздела для сегментации изображений
  13. Геометрическая интерпретация двойственности в задачах условной оптимизации
  14. Primal-dual подход к решению задач линейного программирования
  15. Проверка статистических гипотез. Ошибки первого и второго рода. Уровень значимости.
  16. Множественная проверка гипотез. Коррекции уровня значимости с помощью FDR и FWER
  17. Понятие эпитома. Применение эпитомов в практических задачах.
  18. Алгоритм поиска эпитома для заданного изображения