Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа



Скачать 17.19 Kb.
Дата10.01.2013
Размер17.19 Kb.
ТипРешение

Список вопросов, выносимых на экзамен





  1. Решение несовместных СЛАУ. Решение условных задач оптимизации. Правило множителей Лагранжа.

  2. Нормальное распределение, его основные свойства. Оценка максимального правдоподобия для параметров нормального распределения.

  3. Оценка параметров с помощью метода максимального правдоподобия, оценка параметров по Байесу. Формула Байеса.

  4. Задачи со структурными ограничениями. Условная независимость случайных величин. Понятие байесовской сети. Основные задачи при анализе байесовских сетей. Примеры использования.

  5. Задачи со структурными ограничениями. Условная независимость случайных величин. Понятие марковской сети. Основные задачи при анализе марковских сетей. Примеры использования.

  6. Нахождение максимального потока в графе. Нахождение глобального минимума энергии с помощью разрезов графов.

  7. Динамические разрезы графов. Многоуровневые разрезы графов.

  8. Итерационные алгоритмы минимизации энергии. Альфа-бета замена. Альфа-расширение.

  9. Задачи, использующие минимизацию энергии: восстановление изображения, сегментация изображений/видео, сшивка изображений, стерео.

  10. Понятие условного случайного поля.

  11. Метод максимального правдоподобия для настройки условного случайного поля.

  12. Скрытые марковские модели. Примеры использования. Обучение с учителем.

  13. Скрытые марковские модели. Алгоритм Витерби.

  14. Скрытые марковские модели. Алгоритм «вперед-назад». Обучение без учителя с помощью ЕМ-алгоритма.

  15. ЕМ-алгоритм для разделения гауссовской смеси.

  16. ЕМ-алгоритм для максимизации правдоподобия в вероятностных моделях со скрытыми переменными.

  17. Фильтр Калмана. Решение задачи трекинга объекта.

  18. Линейные динамические системы. Алгоритм «вперед-назад» для ЛДС. Применение алгоритма «вперед-назад» для сегментации.

  19. Линейные динамические системы. Обучение с помощью ЕМ-алгоритма.

  20. Снижение размерности в данных. Примеры. Метод главных компонент.

  21. Вероятностный метод главных компонент. Точное решение.

  22. Вероятностный метод главных компонент. ЕМ-алгоритм обучения.

  23. Недостатки метода главных компонент. Метод независимых компонент.

  24. Вероятностные модели формы и метод активных моделей формы (ASM)

  25. Активные модели внешности (AAM)

  26. Метод релевантных векторов для задачи восстановления регрессии.

  27. Метод релевантных векторов для задачи классификации.


Похожие:

Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconД. Черных Общая постановка задачи оптимизации
Общая постановка задачи оптимизации. Общие методы решения задач оптимизации, метод исключения, метод неопределенных множителей Лагранжа....
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconМетоды оптимизации
Методом множителей Лагранжа найдите условный экстремум функции, если дано уравнение связи
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconРешение задач глобальной оптимизации большой размерности на многопроцессорных комплексах и грид-системах1
...
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconРешение системы линейных алгебраических уравнений ( слау ) методом Якоби (методом простых итераций)
Входные данные матрица коэффициентов слау, вектор правых частей, размерность системы
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconПрограмма по математике (факультатив), 10 класс Решение задач
Факультативный курс «Решение задач» рассчитан для учащихся 10 класса, 1час в неделю
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconУрок математики в 6 классе по теме "Правило умножения. Решение комбинаторных задач" "
Развитие умения решать комбинаторные задачи методом полного перебора вариантов; используя правило умножения
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconПрактическая работа: «Решение задач на поясное время»
Решение задач на определение различий поясного времени на территории страны (без использования кат атласа)
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconРешение логических задач средствами алгебры логики 2 Решение логических задач табличным способом 3
Разнообразие логических задач очень велико. Способов их решения тоже немало. Но наибольшее распространение получили следующие три...
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconРешение задач математической физики в среде " Mathcad " Методические указания к выполнению типового расчета
...
Решение несовместных слау. Решение условных задач оптимизации. Правило множителей Лагранжа iconКраткое содержание урока. Повторить пройденный материал. Состав числа Знание соседей пройденных чисел
Рассмотреть состав числа 7, используя игровые моменты. Решение задач, используя задачи в стихах. Составление и решение задач, используя...
Разместите кнопку на своём сайте:
ru.convdocs.org


База данных защищена авторским правом ©ru.convdocs.org 2016
обратиться к администрации
ru.convdocs.org