Die Suche ergab 89 Treffer

von Sandra
10. Dez 2009 21:37
Forum: Probabilistische Graphische Modelle
Thema: 7. Übung Transductive SVM
Antworten: 5
Zugriffe: 988

Re: 7. Übung Transductive SVM

Danke schonmal dafür. Jetzt bin ich bei der 7 und laufe in so manche Probleme. Aber vorweg weitere Fragen zur Aufgabenstellung: 7. Sollen wir auch den Parameter für die Option "-c" variieren? Für ein 10x10 grid (RBF) und 10x1 grid (linear) search wären das schon 660 Messwert-Tripel. Was heisst hier...
von Sandra
10. Dez 2009 09:32
Forum: Probabilistische Graphische Modelle
Thema: 7. Übung Transductive SVM
Antworten: 5
Zugriffe: 988

Re: 7. Übung

ich nutze mal den thread für fragen zur aktuellen übung zu den jeweiligen teilaufgaben: 4. & 7. welche HOG auflösung sollen wir hier verwenden? Ideal waere, wenn ihr die verschiedenen Deskriptoren ausprobiert. Das ist ja jetzt kein grosser Mehraufwand. Aber es reicht theoretisch nur ein Deskriptor....
von Sandra
26. Nov 2009 17:13
Forum: Probabilistische Graphische Modelle
Thema: 6. Übung Image de-noising
Antworten: 9
Zugriffe: 1309

Re: 6. Übung Image de-noising

Ich hatte Accuracy und Std gemeint. Die accuracy koennt ihr ja direkt aus den klassifizierten Pixeln berechnen, da ihr ja das originalbild habt. Also einfach vergleichen wieviele von den noise pixeln dann tatsaechlich am Ende richtig klassifiziert werden. Und std bekommt ihr wenn ihr das Bild unters...
von Sandra
14. Nov 2009 16:03
Forum: Probabilistische Graphische Modelle
Thema: Klausurtermin
Antworten: 1
Zugriffe: 1092

Re: Klausurtermin

Nein, noch nicht. Wenn ich mich recht erinnere, hast du ja schon mal am Anfang danach gefragt und da habe ich dir auch schon gesagt, dass wir zwei Termine anbieten :wink: Einen direkt nach der Vorlesungszeit und einen am Ende des Semesters. Falls du ueberhaupt nicht koennen solltest, dann findet sic...
von Sandra
11. Nov 2009 22:23
Forum: Probabilistische Graphische Modelle
Thema: 4. Übung (Exercise 5)
Antworten: 1
Zugriffe: 496

Re: 4. Übung (Exercise 5)

Bei der Uebung geht es mir hauptsaechlich darum, dass ihr den Algorithmus nachvollzieht. Insofern reicht es vollkommen, wenn es fuer die angegebenen Problemstellungen funktioniert.
von Sandra
8. Nov 2009 17:24
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

The other way around: 820 images and 1.000 features. And Y contains the labels of the images and is also of size 820.
von Sandra
7. Nov 2009 13:59
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Das ist das dazu gehoerige Problembild: http://www.mis.tu-darmstadt.de/sites/default/files/car7-068-270.png Ich vermute mal, dass die Gradienten fuer dieses Auto und aus diesem Blickwinkel einfach zu speziell sind. Alle anderen Autotypen (es gibt ca. 10 verschiedene) haben aus genau diesem Blickwink...
von Sandra
7. Nov 2009 09:45
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Nein. Vorgegeben sind nur die Daten aus dieser Uebung. Die Daten von der letzten Uebung muesstet ihr ja extrahieren, was man natuerlich machen koennte. Aber dann fehlt euch ja immer noch die "Ground Truth", d.h. die Pixelzuordnungen zu Hinter- und Vordergrund, damit ihr dann am Ende auch die Ergebni...
von Sandra
6. Nov 2009 17:55
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Bei k=250 immer noch unverbundene Knoten? Das ist ja interessant! Ich habe bisher noch nie mit mutual Graphen experimentiert, da der kNN Graph der "Standardgraph" ist und da tritt das Problem ja nicht auf. In diesem Fall sollte man eps auf die Diagonale aufaddieren, dann kann man die Matrix zumindes...
von Sandra
5. Nov 2009 19:55
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Ah ich verstehe. Das soll nur verdeutlichen, dass die Daten X in einen anderen Raum abgebildet werden. Es handelt sich dann nicht mehr um die urspruenglichen Daten X mit 10.000 Dimensionen sondern um die Daten Z mit nur noch vielleicht 50 Dimensionen (abhaengig wie viele Eigenvektoren man nutzt). Bi...
von Sandra
5. Nov 2009 17:16
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

zu 2.) Wo liest du, dass die ungewichtet sein soll? Ich habe da die Gewichtung beibehalten. Es geht wie gesagt beides. zu 3.) Gauß Kernel? Ich bin eigentlich davon ausgegangen, dass man hier einfach die Eigenwerte und Eigenvektoren von L=D-W berechnet. W hat man ja bereits durch die Aufgaben 1-3 er...
von Sandra
5. Nov 2009 17:07
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

hätte da leider wieder ein paar fragen: 1.) habe ich die my_nearestNeighbor jetzt richtig verstanden: sei W die ergebnismatrix. dann ist W(i,j) der eukl. abstand zwischen dem i-ten und j-ten Datenpunkt, falls dieser abstand zu den k kleinsten abständen vom Knoten i aus gehört. sonst ist W(i,j) gleic...
von Sandra
3. Nov 2009 21:55
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

hallo, hab da ne frage zu 2.: sollte das ergebnis der nearest neighbor function nicht vielmehr eine n x k matrix sein? Nein da kommt eine n \times n Matrix heraus, sonst muesstest du ja sowohl die Positionen als auch die Distanzwerte zurueck geben. Einfacher ist es da, wenn man die Distanzen direkt...
von Sandra
3. Nov 2009 21:48
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Das steht ebenfalls auf Folie 50. Da steht, dass der kNN-Graph ungerichtet ist. Dein angegebener Ansatz ist vollkommen korrekt.
von Sandra
3. Nov 2009 18:32
Forum: Probabilistische Graphische Modelle
Thema: 3. Übung
Antworten: 22
Zugriffe: 4712

Re: 3. Übung

Mit W ist die Adjazenzmatrix gemeint, aber die Graphen die in der Vorlesung behandelt wurden sind ja alle ungerichtet, daher ist die Adjazenzmatrix per Definition symmetrisch. Und diese Matrix ist wiederum identisch mit der Matrix des ungerichteten kNN Graphen.

Zur erweiterten Suche