Uczenie maszynowe i sztuczne sieci neuronowe/Pytania - Historia wersji

Jarekz o 13:07, 14 sty 2025

2025-01-14T13:07:14Z

Jarekz o 14:54, 18 sty 2021

2021-01-18T14:54:39Z

Jarekz o 11:04, 10 lis 2020

2020-11-10T11:04:30Z

Jarekz o 19:02, 13 sty 2020

2020-01-13T19:02:35Z

Jarekz o 19:01, 13 sty 2020

2020-01-13T19:01:21Z

Jarekz: Utworzono nową stronę " Regresja liniowa: # Na czym polega uczenie z nadzorem? # Co to jest ciąg uczący w uczeniu z nadzorem? # Co to jest hipoteza w uczeniu z nadzorem? # Podaj postać hipo..."

2016-05-16T07:48:24Z

Utworzono nową stronę " Regresja liniowa: # Na czym polega uczenie z nadzorem? # Co to jest ciąg uczący w uczeniu z nadzorem? # Co to jest hipoteza w uczeniu z nadzorem? # Podaj postać hipo..."

Nowa strona

Regresja liniowa:
# Na czym polega uczenie z nadzorem?
# Co to jest ciąg uczący w uczeniu z nadzorem?
# Co to jest hipoteza w uczeniu z nadzorem?
# Podaj postać hipotezy w regresji liniowej
# Co to jest funkcja kosztu?
# Podaj postać funkcji kosztu w regresji liniowej
# Na czym polega algorytm najmniejszych kwadratów?
# Co to jest funkcja wiarygodności?
# Podaj funkcję wiarygodności dla regresji liniowej modelowanej równaniem
<math>y^{(i)} = \theta^T x^{(i)} + \varepsilon ^{(i)}</math> gdzie <math> \varepsilon ^{(i)} \sim N(0, \sigma^2)</math>

Klasyfikacja i regresja logistyczna
# Podaj postać hipotezy w regresji logistycznej.
# Podaj postać i interpretację funkcji wiarygodności dla regresji logistycznej
# Podać definicję rodziny wykładniczej
# Pokazać, że rozkład Bernoulliego nalezy do rodziny wykładniczej.
# Podać trzy założenia na których oparta jest konstrukcja uogólnionego modelu liniowego
# Zbiór uczący dla regresji wielorakiej
# Postać funkcji wiarygodności dla regresji wielorakiej.

Ocena jakości klasyfikacji
# Typy błędów
# Czułość i specyficzność
# Fałszywe alarmy
# Własności predykcyjne
# Miary zbalansowane
# Krzywe charakterystyki roboczej odbiorcy
# Kros-walidacja

Algorytmy generatywne
# Podaj wzór Bayesa na prawdopodobieństwo a posteriori
# Na czym polega klasyfikacja w sensie Bayesa
# Podaj postać funkcji log-wiarygodności dla problemu gaussowskiej analizy dyskryminacyjnej.
# Opisz krótko relacje między gaussowską analizą dyskryminacyjną a regresją logistyczną.
# Co to znaczy, że zmienne losowe sa warunkowo niezależne?
# Z jakiego założenia korzysta naiwny klasyńkator Bayesa?

Maszyny wektorów wspierających I
# Co to jest margines funkcjonalny?
# Co to jest margines geometryczny?
# Sformułuj problem optymalizacyjny dla maszyny wektorów wspierających dla przypadku problemu liniowo separowalnego.

Maszyny wektorów wspierających II
# Co to jest funkcja jądrowa dla odwzorowania mapującego <math>x \rightarrow \phi(x)</math>?
# Podaj postać jądra odpowiadającego mapowaniu do <math>\binom{n+d}{d}</math>. wymiarowej przestrzeni parametrów, której wymiary są rozpięte przez wszystkie iloczyny typu <math>x_{i_{1}},x_{i_{2}},\dots ,x_{i_{k}}</math> aż do rzędu <math>d</math>.
# Podaj postać jądra gaussowskiego.
# Sformułuj problem optymalizacyjny dla maszyny wektorów nośnych z regularyzaqą pozwalającą na zastosowanie techniki SVM dla problemów liniowo nieseparowalnych.
# Podaj ideę algorytmu SMO.

Wstęp o sieciach neuronowych, sieci neuronowe liniowe
# Ogólna definicja sieci neuronowej
# Gdzie w sieci neuronowej przechowywana jest wiedza?
# Podaj przekształcenie wykonywane przez neuron liniowy
# Podaj postać przekształcenia wykonywanego przez warstwę liniową
# W jakim sensie można powiedzieć, ze neuron liniowy "rozpoznaje" wzorce
# Ciąg uczący dla sieci liniowej
# Funkcja kosztu dla sieci liniowej
# Reguła zmiany wag dla sieci liniowej
# Na czym polega dodanie bezwładności przy uczeniu sieci liniowej
# Jaki jest efekt dodania bezwładności do uczenia sieci liniowe.

Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu
# Ciąg uczący dla neuronu nieliniowego
# Funkcja błędu dla sieci nieliniowej
# Na czym polega metoda wstecznej propagacji błędu (wersja intuicyjna)
# Na czym polega metoda wstecznej propagacji błędu (wersja formalna: podać na jakich matematycznych własnościach się opiera, nie trzeba wyprowadzać)
# Na czym polega problem minimów lokalnych dla sieci nieliniowych.

Wsteczna propagacja błędu: jak poprawić zbieżność?
# Na czym polega metoda minimalizacyjna najszybszego spadku?
# Na czym polega metoda minimalizacyjna gradientu sprzężonego?
# Pomysły na unikanie minimów lokalnych
# Co to jest generalizacja wiedzy przez sieci neuronowe?
# Możliwe przyczyny złej generalizacji
# Na czym polega uczenie z kryterium wczesnego stopu?
# Na czym polega regularyzacja w algorytmach uczenia sieci neuronowych?

Drzewa Decyzyjne:
# Jak zbudowane jest drzewo decyzyjne
# Rekurencyjny algorytm działania drzewa
# Podaj przykład funkcji, które mogą stanowić kryterium do wyboru cechy, wzg. której należy dzielić drzewo w danym kroku jego konstrukcji
# Metody poprawiania generalizacji w algorytmach drzewiastych: pre-prune, post-prune, rule post-prune

Uczenie bez nadzoru
# Podaj regułę Hebba uczenia sieci neuronowej i wynikającą z niej regułę zmiany wag.
# Podaj algorytm analizy skupień metodą k-średnich.
# Opisz gaussowski model mieszany gęstości prawdopodobicństwa.
# Podaj funkcję log-wiarygodności dla gaussowskiego modelu mieszanego
# Podaj koncepcję algorytmu expectation maximization.

@@ Linia 107: / Linia 107: @@
 # Czego możemy dowiedzieć się za pomocą techniki LRP w zastosowaniu do klasyfikacji obrazów?
-<!--
 Uczenie ze wzmocnieniem
 # Na czym polega uczenie ze wzmocnieniem (ogólnie koncepcja).
@@ Linia 116: / Linia 116: @@
 # Podaj algorytm iteracji funkcji wartościującej.
 # Na czym polega estymacja funkcji wartościującej dla ciągłych procesów decyzyjnych Markowa?

@@ Linia 101: / Linia 101: @@
 # Na czym polega i do czego jest wykorzystywana technika dropout?
 Uczenie ze wzmocnieniem
 # Na czym polega uczenie ze wzmocnieniem (ogólnie koncepcja).
@@ Linia 109: / Linia 116: @@
 # Podaj algorytm iteracji funkcji wartościującej.
 # Na czym polega estymacja funkcji wartościującej dla ciągłych procesów decyzyjnych Markowa?

@@ Linia 49: / Linia 49: @@
 # Sformułuj problem optymalizacyjny dla maszyny wektorów nośnych z regularyzaqą pozwalającą na zastosowanie techniki SVM dla problemów liniowo nieseparowalnych.
 # Podaj ideę algorytmu SMO.
@@ Linia 78: / Linia 93: @@
 # Na czym polega uczenie z kryterium wczesnego stopu?
 # Na czym polega regularyzacja w algorytmach uczenia sieci neuronowych?
 Sieci konwolucyjne
@@ Linia 100: / Linia 100: @@
 # Na czym polega współdzielenie wag przez neurony w sieciach konwolucyjnych?
 # Na czym polega i do czego jest wykorzystywana technika dropout?
 Uczenie ze wzmocnieniem

← poprzednia wersja		Wersja z 19:01, 13 sty 2020
Linia 93:		Linia 93:
	# Podaj funkcję log-wiarygodności dla gaussowskiego modelu mieszanego		# Podaj funkcję log-wiarygodności dla gaussowskiego modelu mieszanego
	# Podaj koncepcję algorytmu expectation maximization.		# Podaj koncepcję algorytmu expectation maximization.
		+
		+	Sieci konwolucyjne
		+	# Opisz działanie warstwy konwolucyjnej w sieci konwolucyjnej.
		+	# Opisz działanie warstwy RELU w sieci konwolucyjnej. Jakie są zalety nieliniowośi typu RELU?
		+	# Podaj przykład warstwy zwężającej
		+	# Na czym polega współdzielenie wag przez neurony w sieciach konwolucyjnych?
		+	# Na czym polega i do czego jest wykorzystywana technika dropout?
		+
		+
		+
		+	Uczenie ze wzmocnieniem
		+	# Na czym polega uczenie ze wzmocnieniem (ogólnie koncepcja).
		+	# Co to jest proces decyzyjny Markowa?
		+	# Co to jest strategia?
		+	# Co to jest funkcja wartościująca (dla MDP)?
		+	# Podaj równanie Bellmana dla optymalnej funkcji wartościującej.
		+	# Podaj algorytm iteracji funkcji wartościującej.
		+	# Na czym polega estymacja funkcji wartościującej dla ciągłych procesów decyzyjnych Markowa?

@@ Linia 36: / Linia 36: @@
 # Opisz krótko relacje między gaussowską analizą dyskryminacyjną a regresją logistyczną.
 # Co to znaczy, że zmienne losowe sa warunkowo niezależne?
-# Z jakiego założenia korzysta naiwny klasyńkator Bayesa?
+# Z jakiego założenia korzysta naiwny klasyfikator Bayesa?
 Maszyny wektorów wspierających I