tum.de/fall2018/ in2357
|
|
- Janina Drozd
- 5 lat temu
- Przeglądów:
Transkrypt
1 tum.de/fall2018/ in2357
2 Prof. Daniel Cremers From to Classification
3 Categories of Learning (Rep.) Learning Unsupervised Learning clustering, density estimation Supervised Learning learning from a training data set, inference on the test data Reinforcement Learning no supervision, but a reward function Classification target set is continuous, e.g. Y = R target set is discrete, e.g. Y =[1,...,C] Computer Vision!3
4 Visualisation Linear Principle: Minimise loss function during training Use the found parameters for prediction!4
5 <latexit sha1_base64="d5mi7+ixmi6um1wcsmnlep5ahzo=">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</latexit> <latexit sha1_base64="d5mi7+ixmi6um1wcsmnlep5ahzo=">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</latexit> <latexit sha1_base64="d5mi7+ixmi6um1wcsmnlep5ahzo=">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</latexit> <latexit sha1_base64="d5mi7+ixmi6um1wcsmnlep5ahzo=">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</latexit> <latexit sha1_base64="y+un4abymsibp4d5znhp5y0fsuy=">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</latexit> <latexit sha1_base64="y+un4abymsibp4d5znhp5y0fsuy=">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</latexit> <latexit sha1_base64="y+un4abymsibp4d5znhp5y0fsuy=">aaacphiczvhbbtnaen2ywwm3fb55wreftvjv2resfazghqcqfuhasnwi1utxsupern1xswt5g/gaxue7+bvgqanadkrdnt1z25mtlvofjoo/veje/qcph2097j95+uz5i8h2y5pgki9hip12/iwtabsymegfgs5kd8jkgk6zi4+t//qsffdofsnvcvmj5lyvsgokajbylxdsi3crffwphqdg5fz/e9nsxwnsdmedybwfr43fbukhhqyz49l2t6a5k5ubi1klem6tumrpltwqqahpp1wausglmydzglyycnn6pvpdr8tkvhcejkw+zm9m1mkesdizrbz/dju+lrz2jw46cdlwdbv9stiy1sqwfykvv+2lsnn0vf0bz5uhixpfqeivaaiuf8ilibtcw5vajfi9x2m6ptpt9mfwjgmpoq2v547sf2ymdecjtmuhbqxe/zh3vbiyaywmgv00aepxwwpuh4nlkucvlirsaopx3prjlmrthlvgzlyfep7ybnj4ornoi71mb9gos9h7dsg+swm2yzl9zl/yb/yneht9jr5gk6vqqnflvgk3lpr+d0nb01m=</latexit> <latexit sha1_base64="y+un4abymsibp4d5znhp5y0fsuy=">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</latexit> Visualisation Linear Principle: Minimise loss function during training Use the found parameters for prediction Bayesian Linear Principle: Compute parameter posterior p(w x, t) from training data During inference, compute the predictive distribution p(t x, x, t) Advantages: Less tendency of overfitting Probabilistic interpretation, uncertainty estimation!5
6 Visualisation Linear Logistic Bayesian Linear probabilistic reasoning from regression to classification!6
7 <latexit sha1_base64="fasvtz9uyaydbxh/4tnroxwumik=">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</latexit> <latexit sha1_base64="fasvtz9uyaydbxh/4tnroxwumik=">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</latexit> <latexit sha1_base64="fasvtz9uyaydbxh/4tnroxwumik=">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</latexit> <latexit sha1_base64="fasvtz9uyaydbxh/4tnroxwumik=">aaacm3iczvhbahsxejw3t9s9xgkfs0hugbzaml1tsf8koxkppyeu6isqnwzwo7zfdfmk2wcz7gu/pq/tv/rvqnwwkjgdeoczzrnnovmhpkc4/tuj7t1/8pdrzupuk6fpnu/29l6cels6grnhlxxngxhu0ucejck8lxyczhsezzdhtf3scp2x1vygdyftdqsj51iahdssx1mvfxqgsm8/8xtuqfrjxsvvu1wvw/ewx896/xgub4lfbukl+qynk9ler6s5favgq0kb9xdjxnc0akdskky7aemxahejc7wi0ibgp602q9r8edi5n1sxjig+yd7sqeb7v9zzekmbln671it/1wy3i7rqgp3wfjp/nfbsfcwhedfj56xizhmjfs+lq0fqhqaij8mgxcwhqerb01tmjqh5o1eqcaurm+29kxwgdvowvfry0l7uy6w5h/agsxdi8/bhvgxh0ngcfti6qucstjrhuhumq2mgj1fbt19x47jublusbrpugtpxkilhyfcp/cpprue77bv7w4ysyqfskh1hj2zcbpvjfrhf7e/0ojqkvkbfrp9gnbbnjbsv0eqf97dn+g==</latexit> Logistic To convert the regression problem into a classification problem, we use a sigmoid function σ(), e.g.: (a) = exp( a) This can be interpreted as a classification probability!7
8 <latexit sha1_base64="mwcjp0wao1t17m3bymctiqqwdyy=">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</latexit> <latexit sha1_base64="mwcjp0wao1t17m3bymctiqqwdyy=">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</latexit> <latexit sha1_base64="mwcjp0wao1t17m3bymctiqqwdyy=">aaacyhiczvhbattaef2rt9s9oe1jx5yaqwimscbqvgrc+1iklinessbyxwq1spfsrdkdnrzcl/2lfk1e2x/pybehcqakpczzmdkzjy2u9bcg173g0emnt59tpe+/epnq9zvb9tstb0vhxyxbzd1zyrxq0ogzsfdirhcc6vsj0/tis8uf/hlos2uoosrexlofkbnkddcvdkzviukbjb1calytawblnk+vmp/hne6tynyl8ajjyimbw3rvjhj3l8axlyxlqdyixnfmwy+/j4nhubeugz4euqegpiujzlvhszsxwhjginl/houfzgvmqhilmn5celewfsew4hyhyvr4eb3w3darzjkaw4efabro3q2omfatalzzvtxvcm3ylhvdjwhvdvqb8yh/nk+lkuoqht+mz0tfwdj2ttsttnbqfqlgnuqflc+zyxzqghudwreysssv/rnvrxpvsp0kjziurxywy5d6ihpkrxtxggvythsx7bpqatwwht36srfabwlwud1lqykdj1dovm/qsdj00zzo04sh4gsyfyh+st88/nwztexekw9kh0tkizkkx8krmrfo/pbr8pf8c74frxavvddxg15x847ci+d3f0wj4xg=</latexit> <latexit sha1_base64="mwcjp0wao1t17m3bymctiqqwdyy=">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</latexit> <latexit sha1_base64="3auk+0ftdbq8bgrhhjsq0kfqonq=">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</latexit> <latexit sha1_base64="3auk+0ftdbq8bgrhhjsq0kfqonq=">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</latexit> <latexit sha1_base64="3auk+0ftdbq8bgrhhjsq0kfqonq=">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</latexit> <latexit sha1_base64="3auk+0ftdbq8bgrhhjsq0kfqonq=">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</latexit> Logistic To convert the regression problem into a classification problem, we use a sigmoid function σ() We still use our linear prediction model f(x, w) =w T (x) but now we use the sigmoid function to model a foreground class probability y i = (w T (x i )) i =1,...,N Thus, we consider a two-class problem (binary classification).!8
9 <latexit sha1_base64="ajw1t1ccv3j9oye5zypdkuciifq=">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</latexit> <latexit sha1_base64="ajw1t1ccv3j9oye5zypdkuciifq=">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</latexit> <latexit sha1_base64="ajw1t1ccv3j9oye5zypdkuciifq=">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</latexit> <latexit sha1_base64="ajw1t1ccv3j9oye5zypdkuciifq=">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</latexit> <latexit sha1_base64="jov2hse3yko07lmwbnupurvduri=">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</latexit> <latexit sha1_base64="jov2hse3yko07lmwbnupurvduri=">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</latexit> <latexit sha1_base64="jov2hse3yko07lmwbnupurvduri=">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</latexit> <latexit sha1_base64="jov2hse3yko07lmwbnupurvduri=">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</latexit> <latexit sha1_base64="76zxil2sjvynseuxnwohhromc9s=">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</latexit> <latexit sha1_base64="76zxil2sjvynseuxnwohhromc9s=">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</latexit> <latexit sha1_base64="76zxil2sjvynseuxnwohhromc9s=">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</latexit> <latexit sha1_base64="76zxil2sjvynseuxnwohhromc9s=">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</latexit> <latexit sha1_base64="plawgixtbafu5ove+cmu9iwgici=">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</latexit> <latexit sha1_base64="plawgixtbafu5ove+cmu9iwgici=">aaaciniczvfla9taef4rfaru2jjtszelxtbdcjiptkwx0obqsycfoglexqxwy3vjpstubler+iw9nj8q/6yjr5tegdjlyx7fzhxtvfoftnpbxrlz5omz57sv+i/3xr3ehxy8oq8uegkt6btzl4uiojwfcsrucfl5ekbqcffcf2/jf7/bb+xsl1xxmdviydvcsyhkmg32caz4rizp6/qwy5vzyjgeprvjj0hwgshr7gx20jn56wq0yffqecjvlly4ryvhjtu0/twgqis8fgu4imifgtctn5m3feseks+dp2erb7z3k2phqlibgjknwgxyjrxo/7hr/scuwsaw1r/nn6e1slvespku/txqjo634vbsezco1wse9io24hipvjbiej5gavuud33u9etn2u2djayadyutrxeoypdmda3ni06ykecbdxpzjourg1bo4ujnavc6aklrfspwpwk9wth5qlop06zpz8m2j/ayni+pmsi/pw6pv3uh2mxv2hv2gwxseztmp9gzmzdjivvd/rkbzc8zj1+sr3epsa+recsewhlydxvvx6m=</latexit> <latexit sha1_base64="plawgixtbafu5ove+cmu9iwgici=">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</latexit> <latexit sha1_base64="plawgixtbafu5ove+cmu9iwgici=">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</latexit> Logistic Again, we formulate a model of the likelihood of the training data: p(t x, w) = NY i=1 p(t i x i, w) t i 2 {0, 1} But now, we use the Bernoulli distribution: p(t i x i, w) =y t i i (1 y i) (1 t i) And again, we aim to maximise the (log)-likelihood arg max w p(t x, w)!9
10 Logistic We minimise the negative log-likelihood: E(w) = log p(t 1,...,t N x, w)!10
11 <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">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</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">aaacr3iczvhbahsxejw3t9s9oeljx0snwazn2dwb9iuq2pe+pkrqx4gss9vqzvtel0uabztlf6rf09f2d/o3nxwwkjgdeoczmjoaoxmppic4/tujhjx89pjjztpus+cvxr7q7e6derscfxnulxxnofncssmmiegj89ijpnmlpvnv5yy/vrbos2u+w7oum80wrs4lz4bu1js8ovupdzqr5ffsx36lq8gktzvd0dwcd3sy7cmz2lcikrynsl4/pog3qe+dpav90szpttvhawf50miav8z7iyquyvyxb5iruxft4exj+bvbiauehmnhz9vmvjookcno3do8buigvv1rme39wuf4ujny+u1cq/7pdw4nyduo+q3+mp84q6qpawjdb9rpg6jgabnbwkgnokg1asadxakoxzlhooce7yg1phtvxvb4c6ub6b0johdofdi8wlgsx+qxqckdufwllsjt9se0vahsegaknbqpf8btmnioomgrewzortbjx1fjuo6ilcm2cffb2fggqfztsh/8qtvoh7whb8mqjoqdoszfycmzee5+kl/kn/ktjde0uox+3dynom3na3inivkp91pudg==</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">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</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">aaacr3iczvhbahsxejw3t9s9oeljx0snwazn2dwb9iuq2pe+pkrqx4gss9vqzvtel0uabztlf6rf09f2d/o3nxwwkjgdeoczmjoaoxmppic4/tujhjx89pjjztpus+cvxr7q7e6derscfxnulxxnofncssmmiegj89ijpnmlpvnv5yy/vrbos2u+w7oum80wrs4lz4bu1js8ovupdzqr5ffsx36lq8gktzvd0dwcd3sy7cmz2lcikrynsl4/pog3qe+dpav90szpttvhawf50miav8z7iyquyvyxb5iruxft4exj+bvbiauehmnhz9vmvjookcno3do8buigvv1rme39wuf4ujny+u1cq/7pdw4nyduo+q3+mp84q6qpawjdb9rpg6jgabnbwkgnokg1asadxakoxzlhooce7yg1phtvxvb4c6ub6b0johdofdi8wlgsx+qxqckdufwllsjt9se0vahsegaknbqpf8btmnioomgrewzortbjx1fjuo6ilcm2cffb2fggqfztsh/8qtvoh7whb8mqjoqdoszfycmzee5+kl/kn/ktjde0uox+3dynom3na3inivkp91pudg==</latexit> Logistic We minimise the negative log-likelihood: E(w) = log p(t 1,...,t N x, w) NX = i=1 (t i log y i +(1 t i ) log(1 y i )) Cross entropy!11
12 <latexit sha1_base64="+b9lcm3futa7enkmabxgszwx9ty=">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</latexit> <latexit sha1_base64="+b9lcm3futa7enkmabxgszwx9ty=">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</latexit> <latexit sha1_base64="+b9lcm3futa7enkmabxgszwx9ty=">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</latexit> <latexit sha1_base64="+b9lcm3futa7enkmabxgszwx9ty=">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</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">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</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">aaacr3iczvhbahsxejw3t9s9oeljx0snwazn2dwb9iuq2pe+pkrqx4gss9vqzvtel0uabztlf6rf09f2d/o3nxwwkjgdeoczmjoaoxmppic4/tujhjx89pjjztpus+cvxr7q7e6derscfxnulxxnofncssmmiegj89ijpnmlpvnv5yy/vrbos2u+w7oum80wrs4lz4bu1js8ovupdzqr5ffsx36lq8gktzvd0dwcd3sy7cmz2lcikrynsl4/pog3qe+dpav90szpttvhawf50miav8z7iyquyvyxb5iruxft4exj+bvbiauehmnhz9vmvjookcno3do8buigvv1rme39wuf4ujny+u1cq/7pdw4nyduo+q3+mp84q6qpawjdb9rpg6jgabnbwkgnokg1asadxakoxzlhooce7yg1phtvxvb4c6ub6b0johdofdi8wlgsx+qxqckdufwllsjt9se0vahsegaknbqpf8btmnioomgrewzortbjx1fjuo6ilcm2cffb2fggqfztsh/8qtvoh7whb8mqjoqdoszfycmzee5+kl/kn/ktjde0uox+3dynom3na3inivkp91pudg==</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">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</latexit> <latexit sha1_base64="1kp1wnnwb0qgtjlaidnkwutcdrq=">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</latexit> Logistic We minimise the negative log-likelihood: E(w) = log p(t 1,...,t N x, w) NX = i=1 NX (t i log y i +(1 t i ) log(1 y i )) Cross entropy re(w) = (y i t i ) (x i ) i=1!12
13 <latexit sha1_base64="qrhjo1lbk3bahxtzpnw9a2wzh8a=">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</latexit> <latexit sha1_base64="qrhjo1lbk3bahxtzpnw9a2wzh8a=">aaacj3iczvfbaxnbfj6stxovtdq3xwzdoiku3sdujwmkoa+fcqytdem4o3s2gtqxzeasji77x3zvf+s/ctzdpe0pzpbxlt855ztzqasnop7bi+7cvxf/wd7d/qpht57ud4bptr2tnmczsmq68ww8kmlwrpiunpcoqwckz7llj2387ds6l635rpss5xqwrhzsaaxxyvainzap4j8oug20yor6r/n6mrjfh/hw+g2qdgdeojtzdhsiza2onboscry/soks5ju4kkjh008rjywis1jiryagnpp5vr2/4epgyxlhxxig+nz7vaig7f1gzygzndhvxlrn/9j4epdwlapf6u/fu3kttvkrgnhvvqguj8tbhxguhqpsmwbaobk24gifdgqfhw8wtalnb1ylwi+sbrf3ptizoszd8mppq/lkt7dhfmydleegz7ujecfcpfeeknd0u48kbgvco/oy1sdatq7ddx1tt+kmh86s7b7hnjidhcybf307mn7odrthxrjx7ial7ihn2wd2wmzmsj/sf/vn/ktd6ch6h02vuqnev/oc3bdoyz/vjmo2</latexit> <latexit sha1_base64="qrhjo1lbk3bahxtzpnw9a2wzh8a=">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</latexit> <latexit sha1_base64="qrhjo1lbk3bahxtzpnw9a2wzh8a=">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</latexit> <latexit sha1_base64="av05c4tnhwfjdz+p+pg7nobgagy=">aaac+nichvjbaxnbfj5dbzvvm3p58uvgccsgztci7uuhkiivlqpnw+imyxz2kgydyzjzvhpwxf/im/jqn/eh+d+ctzespg8emjmpcz/nmzsxwmeu/qnco3fv3x+w8bc1+ejxk6329tmtzwrl+jazaexzsh2xqvmhcpt8llecqlty0/tyfw0//ckte0yf4ylni0wnwkweo+hv4/b3rnnuuvjqsxtfwtopv1z92ifefwpciv24uvgevcsjqairlhfhswpk5hbkp2wsz0r1bz1xy9hvwxta/8j//mbttrqtlqvug7gbhdli0xg7yelmwkg4riapc+dxlooopbyfk7xqjyxjowwxdmrppdructcql5uqoos1guym9ucjllwresvvrm7we9zdunvbrby2dvenok8zurx6onkblulnbxlnrsppcgloocydmme5q7nwgdir/ataztrshp6yg5lqfrpxtpd+zkbv0ztdqjrbnvnh5dt48jka8aqgc34tfkeomo6hyqjco6ts52gljimzhfafykm6p6roxdx/f1evg6hqevridrjug5pbtuzx57edg3cnqrvkjxlfeiqmu+safcrhzegy+rtsbs+df+g38ef4m/x15rogtcwzckpc3/8a1y/zva==</latexit> <latexit sha1_base64="av05c4tnhwfjdz+p+pg7nobgagy=">aaac+nichvjbaxnbfj5dbzvvm3p58uvgccsgztci7uuhkiivlqpnw+imyxz2kgydyzjzvhpwxf/im/jqn/eh+d+ctzespg8emjmpcz/nmzsxwmeu/qnco3fv3x+w8bc1+ejxk6329tmtzwrl+jazaexzsh2xqvmhcpt8llecqlty0/tyfw0//ckte0yf4ylni0wnwkweo+hv4/b3rnnuuvjqsxtfwtopv1z92ifefwpciv24uvgevcsjqairlhfhswpk5hbkp2wsz0r1bz1xy9hvwxta/8j//mbttrqtlqvug7gbhdli0xg7yelmwkg4riapc+dxlooopbyfk7xqjyxjowwxdmrppdructcql5uqoos1guym9ucjllwresvvrm7we9zdunvbrby2dvenok8zurx6onkblulnbxlnrsppcgloocydmme5q7nwgdir/ataztrshp6yg5lqfrpxtpd+zkbv0ztdqjrbnvnh5dt48jka8aqgc34tfkeomo6hyqjco6ts52gljimzhfafykm6p6roxdx/f1evg6hqevridrjug5pbtuzx57edg3cnqrvkjxlfeiqmu+safcrhzegy+rtsbs+df+g38ef4m/x15rogtcwzckpc3/8a1y/zva==</latexit> <latexit sha1_base64="av05c4tnhwfjdz+p+pg7nobgagy=">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</latexit> <latexit sha1_base64="av05c4tnhwfjdz+p+pg7nobgagy=">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</latexit> <latexit sha1_base64="vlpk1jvyaj1p3m3gydp3xbfodk4=">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</latexit> <latexit sha1_base64="vlpk1jvyaj1p3m3gydp3xbfodk4=">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</latexit> <latexit sha1_base64="vlpk1jvyaj1p3m3gydp3xbfodk4=">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</latexit> <latexit sha1_base64="vlpk1jvyaj1p3m3gydp3xbfodk4=">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</latexit> <latexit sha1_base64="tx2xng/oixf3mkx4ac5stw97xx8=">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</latexit> <latexit sha1_base64="tx2xng/oixf3mkx4ac5stw97xx8=">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</latexit> <latexit sha1_base64="tx2xng/oixf3mkx4ac5stw97xx8=">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</latexit> <latexit sha1_base64="tx2xng/oixf3mkx4ac5stw97xx8=">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</latexit> <latexit sha1_base64="t99u/9q28x6pdjefcaeowqdsga8=">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</latexit> <latexit sha1_base64="t99u/9q28x6pdjefcaeowqdsga8=">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</latexit> <latexit sha1_base64="t99u/9q28x6pdjefcaeowqdsga8=">aaacvhiczvfbaxnbfj6stxovtfxrl4mhumgw3sdos0tvhl4ukpi20i1hdvzsmmquy8xsm7dm7/hx+kr4b5xnf03tazn8fod+vqwu3lo4/toj7t1/8pdr1upuk6fpnm/3dl6cwv0zhiomhtyxgbuoumkr407grwmqykzgetb/3pjpr9byrtu3tyxxlolu8yiz6gi16x1mjxwzrkiv/arweo3hanyplxipe3d8vd5lpkskzolcl93/iw8mvx68h68m7okkbx3s2ulkp8psxlnkonjmugsvk7h045oax5la300riyvlczrfywavlwjh9wpxd4pa5fboe55ysglxm2oqrv3kleq2m9pnx0p+8w3wnw7rvlqb/v3xyvxzvvyofbtpx1qcnibmnjbzg8yjzqcugr42adajhjixjn6ruqnq/tzuivxmy2z7qyqzoce8lc+moqtp5ba9wadcwckbllqtq1sfulkoilcjm1p0tfcqnkpp6okeosmxqxdr62hsu0gwzfoeu+bsuj8e/pvd/+htk9aweuvek12skpfkibytuziijpwgp8kv8js6jpjohsmb0kjt5rwktyy6+gtohdyv</latexit> <latexit sha1_base64="t99u/9q28x6pdjefcaeowqdsga8=">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</latexit> Minimisation Problem: The error equation can not be solved in closed form re(w) = NX ( (w T (x i )) t i ) (x i ) i=1 Instead, we need to apply an iterative approach, e.g. Newton-Raphson re(w) w new = w old H 1 re(w) 10 Hessian Matrix w new w old !13
14 <latexit sha1_base64="ltbdgj9ialz46h4/tyrjpfx4toy=">aaac03iczvllattafb2rr9r9oe2ym6hg4eatjfnonoxqbrojucvodjfjrqmre8g8xmwosrlmu7rtl/u/uu+2/yaobku4zgvjr+e+5t4zwcmzsxh8qxxdu//g4aodx+0nt589f9hzfxlqvkupjkjiso8zyoazcspllidxqygijmnzdvmp9p9dgtzmyro7lgeiyeyyglfiazxtjfnb7dwr3lwfognxhn/am5tiucf7uj8o5+zi5gv92btw+4nha6z/e7ysw25+rn+bdrrxqbwyfbckdeiixobt3rznc0uradjstow5t+lsthzrlleovp1wbkpcl8kmzgouriczunukpo4fjsef0ugrfq/yzqxhhdflkyxi+oxm21et/329tadd1bxnvn9bhe4ck2vlqdj1+6li2cpcbxnntao1fbkaozqfctcde02odvrcqlqll7/vfq9vqkq9vzgvyebdhobnmxxs52iahumedmsjczk4otfuqmamjsu81ginbixvlqyn3dfzhbor2slca+pdipbtieuylcjdcdo4sal+8q579leraae9rm9qhyxoptpcn9eqjrbfp9fv9af9juari75f39ehuavjeyvuwftjhysi5bu=</latexit> <latexit sha1_base64="ltbdgj9ialz46h4/tyrjpfx4toy=">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</latexit> <latexit sha1_base64="ltbdgj9ialz46h4/tyrjpfx4toy=">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</latexit> <latexit sha1_base64="ltbdgj9ialz46h4/tyrjpfx4toy=">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</latexit> Iterative Weighted Least Squares The update rule for the logistic regression methods is then: w new = w old ( T R ) 1 T (y t) Where the weighting metric R depends also on the weights w!14
Logistic Regression. Machine Learning CS5824/ECE5424 Bert Huang Virginia Tech
Logistic Regression Machine Learning CS5824/ECE5424 Bert Huang Virginia Tech Outline Review conditional probability and classification Linear parameterization and logistic function Gradient descent Other
Bardziej szczegółowoHard-Margin Support Vector Machines
Hard-Margin Support Vector Machines aaacaxicbzdlssnafiyn9vbjlepk3ay2gicupasvu4iblxuaw2hjmuwn7ddjjmxm1bkcg1/fjqsvt76fo9/gazqfvn8y+pjpozw5vx8zkpvtfxmlhcwl5zxyqrm2vrg5zw3vxmsoezi4ogkr6phieky5crvvjhriqvdom9l2xxftevuwcekj3lktmhghgniauiyutvrwxtvme34a77kbvg73gtygpjsrfati1+xc8c84bvraowbf+uwnipyehcvmkjrdx46vlykhkgykm3ujjdhcyzqkxy0chur6ax5cbg+1m4bbjptjcubuz4kuhvjoql93hkin5hxtav5x6yyqopnsyuneey5ni4keqrxbar5wqaxbik00icyo/iveiyqqvjo1u4fgzj/8f9x67bzmxnurjzmijtlybwfgcdjgfdtajwgcf2dwaj7ac3g1ho1n4814n7wwjgjmf/ys8fenfycuzq==
Bardziej szczegółowoLinear Classification and Logistic Regression. Pascal Fua IC-CVLab
Linear Classification and Logistic Regression Pascal Fua IC-CVLab 1 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
Bardziej szczegółowoPreviously on CSCI 4622
More Naïve Bayes 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
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction
Bardziej szczegółowoBayesian graph convolutional neural networks
Bayesian graph convolutional neural networks Mark Coates Collaborators: Soumyasundar Pal, Yingxue Zhang, Deniz Üstebay McGill University, Huawei Noah s Ark Lab February 13, 2019 Montreal 2 / 36 Introduction
Bardziej szczegółowoInverse problems - Introduction - Probabilistic approach
Inverse problems - Introduction - Probabilistic approach Wojciech Dȩbski Instytut Geofizyki PAN debski@igf.edu.pl Wydział Fizyki UW, 13.10.2004 Wydział Fizyki UW Warszawa, 13.10.2004 (1) Plan of the talk
Bardziej szczegółowoMaximum A Posteriori Chris Piech CS109, Stanford University
Maximum A Posteriori Chris Piech CS109, Stanford University Previously in CS109 Game of Estimators Estimators Maximum Likelihood Non spoiler alert: this didn t happen in game of thrones aaab7nicbva9swnbej2lxzf+rs1tfomqm3anghywarvlcoydkjpsbfasjxt7x+6cei78cbslrwz9pxb+gzfjfzr4yodx3gwz84jecoou++0u1ty3nrek26wd3b39g/lhucveqwa8ywiz605adzdc8sykllytae6jqpj2ml6d+e0nro2i1qnoeu5hdkhekbhfk7u7j1lvne/75ypbc+cgq8tlsqvynprlr94gzmneftjjjel6boj+rjukjvm01esntygb0yhvwqpoxi2fzc+dkjordegya1skyvz9pzhryjhjfnjoiolilhsz8t+vm2j47wdcjslyxralwlqsjmnsdziqmjoue0so08lestiiasrqjlsyixjll6+s1kxnc2ve/wwlfpphuyqtoiuqehafdbidbjsbwrie4rxenmr5cd6dj0vrwclnjuepnm8fuskpig==
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 8: Structured PredicCon 2 1 Roadmap intro (1 lecture) deep learning for NLP (5 lectures) structured predic+on (4 lectures)
Bardziej szczegółowoGradient Coding using the Stochastic Block Model
Gradient Coding using the Stochastic Block Model Zachary Charles (UW-Madison) Joint work with Dimitris Papailiopoulos (UW-Madison) aaacaxicbvdlssnafj3uv62vqbvbzwarxjsqikaboelgzux7gcaeywtsdp1mwsxeaepd+ctuxcji1r9w5984bbpq1gmxdufcy733bcmjutn2t1fawl5zxsuvvzy2t7z3zn29lkwyguktjywrnqbjwigntuuvi51uebqhjlsdwfxebz8qiwnc79uwjv6mepxgfcoljd88uiox0m1hvlnzwzgowymjn7tjyzertmvpareju5aqkndwzs83thawe64wq1j2httvxo6eopirccxnjekrhqae6wrkuuykl08/gmnjryqwsoqurubu/t2ro1jkyrzozhipvpz3juj/xjdt0ywxu55mina8wxrldkoetukairuekzbubgfb9a0q95fawonqkjoez/7lrdi6trzbcm7pqvwrio4yoarh4aq44bzuwq1ogcba4be8g1fwzjwzl8a78tfrlrnfzd74a+pzb2h+lzm=
Bardziej szczegółowoRevenue Maximization. Sept. 25, 2018
Revenue Maximization Sept. 25, 2018 Goal So Far: Ideal Auctions Dominant-Strategy Incentive Compatible (DSIC) b i = v i is a dominant strategy u i 0 x is welfare-maximizing x and p run in polynomial time
Bardziej szczegółowoSupervised Hierarchical Clustering with Exponential Linkage. Nishant Yadav
Supervised Hierarchical Clustering with Exponential Linage Nishant Yadav Ari Kobren Nicholas Monath Andrew McCallum At train time, learn A :2 X! Y Supervised Clustering aaab8nicbvdlssnafl2pr1pfvzdugvwvrirdfl147kcfuabymq6aydozslmjvbcp8onc0xc+jxu/bsnbrbaemdgcm69zlntaq36hnftmltfwnzq7xd2dnd2z+ohh61juo1zs2qhnldbgmugqt5chyn9gmxkfgnxbyl/udj6ynv/irpwlyjkspokuojv6/zjgmbkr3cwg1zpx9+zwv4lfbouaa6qx/2homnmjfjbjon5xojbrjryktis08nswidbhrwspjzeyqzspp3dordn1iafsunp190zgymomcwgn84hm2cvf/7xeitf1hgzpmgxxwupcjf5eb3u0ouguuxtyrqzw1wl46jjhrtsxvbgr988ippx9r9yx8ua43boo4ynmapnimpv9cae2hccygoeizxehpqexheny/fampdo7hd5zph3bqvc=
Bardziej szczegółowodeep learning for NLP (5 lectures)
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 6: Finish Transformers; Sequence- to- Sequence Modeling and AJenKon 1 Roadmap intro (1 lecture) deep learning for NLP (5
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 24. Differential Privacy and Re-useable Holdout
Machine Learning for Data Science (CS4786) Lecture 24 Differential Privacy and Re-useable Holdout Defining Privacy Defining Privacy Dataset + Defining Privacy Dataset + Learning Algorithm Distribution
Bardziej szczegółowoHelena Boguta, klasa 8W, rok szkolny 2018/2019
Poniższy zbiór zadań został wykonany w ramach projektu Mazowiecki program stypendialny dla uczniów szczególnie uzdolnionych - najlepsza inwestycja w człowieka w roku szkolnym 2018/2019. Składają się na
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 11. Spectral Embedding + Clustering
Machine Learning for Data Science (CS4786) Lecture 11 Spectral Embedding + Clustering MOTIVATING EXAMPLE What can you say from this network? MOTIVATING EXAMPLE How about now? THOUGHT EXPERIMENT For each
Bardziej szczegółowoNeural Networks (The Machine-Learning Kind) BCS 247 March 2019
Neural Networks (The Machine-Learning Kind) BCS 247 March 2019 Neurons http://biomedicalengineering.yolasite.com/neurons.php Networks https://en.wikipedia.org/wiki/network_theory#/media/file:social_network_analysis_visualization.png
Bardziej szczegółowoProposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science
Proposal of thesis topic for mgr in (MSE) programme 1 Topic: Monte Carlo Method used for a prognosis of a selected technological process 2 Supervisor: Dr in Małgorzata Langer 3 Auxiliary supervisor: 4
Bardziej szczegółowoTowards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application
Towards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application Gayane Vardoyan *, C. V. Hollot, Don Towsley* * College of Information and Computer Sciences, Department of Electrical
Bardziej szczegółowoTTIC 31190: Natural Language Processing
TTIC 31190: Natural Language Processing Kevin Gimpel Spring 2018 Lecture 17: Machine TranslaDon; SemanDcs Roadmap words, morphology, lexical semandcs text classificadon simple neural methods for NLP language
Bardziej szczegółowoMoA-Net: Self-supervised Motion Segmentation. Pia Bideau, Rakesh R Menon, Erik Learned-Miller
MoA-Net: Self-supervised Motion Segmentation Pia Bideau, Rakesh R Menon, Erik Learned-Miller University of Massachusetts Amherst College of Information and Computer Science Motion Segmentation P Bideau,
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis
Machine Learning for Data Science (CS4786) Lecture11 5 Random Projections & Canonical Correlation Analysis The Tall, THE FAT AND THE UGLY n X d The Tall, THE FAT AND THE UGLY d X > n X d n = n d d The
Bardziej szczegółowoConvolution semigroups with linear Jacobi parameters
Convolution semigroups with linear Jacobi parameters Michael Anshelevich; Wojciech Młotkowski Texas A&M University; University of Wrocław February 14, 2011 Jacobi parameters. µ = measure with finite moments,
Bardziej szczegółowoAnalysis of Movie Profitability STAT 469 IN CLASS ANALYSIS #2
Analysis of Movie Profitability STAT 469 IN CLASS ANALYSIS #2 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
Bardziej szczegółowoWprowadzenie do programu RapidMiner Studio 7.6, część 9 Modele liniowe Michał Bereta
Wprowadzenie do programu RapidMiner Studio 7.6, część 9 Modele liniowe Michał Bereta www.michalbereta.pl Modele liniowe W programie RapidMiner mamy do dyspozycji kilka dyskryminacyjnych modeli liniowych
Bardziej szczegółowoSPOTKANIE 3: Regresja: Regresja liniowa
Wrocław University of Technology SPOTKANIE 3: Regresja: Regresja liniowa Adam Gonczarek Studenckie Koło Naukowe Estymator adam.gonczarek@pwr.wroc.pl 22.11.2013 Rozkład normalny Rozkład normalny (ang. normal
Bardziej szczegółowoVerification in POMDPs
Verification in OMDs rivacy, machine teaching and other belief-related problems Ufuk Topcu The University of Texas at Austin Slides originally prepared by Bo Wu. http://u-t-autonomous.info Ufuk Topcu rotecting
Bardziej szczegółowoKORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi
Bardziej szczegółowoWstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak
Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak 1 Wprowadzenie. Zmienne losowe Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez wnioskowanie rozumiemy
Bardziej szczegółowoWrocław University of Technology. Uczenie głębokie. Maciej Zięba
Wrocław University of Technology Uczenie głębokie Maciej Zięba UCZENIE GŁĘBOKIE (ang. deep learning) = klasa metod uczenia maszynowego, gdzie model ma strukturę hierarchiczną złożoną z wielu nieliniowych
Bardziej szczegółowoTSBB15 Computer Vision
TSBB15 Computer Vision Lecture 10 Recap. of TSBB06, Maximum Likelihood and RANSAC!1 Prelude to Project 2 Image credit: Bundler home page http://www.cs.cornell.edu/~snavely/bundler/ Project 2: Start with
Bardziej szczegółowo1945 (96,1%) backlinks currently link back. 1505 (74,4%) links bear full SEO value. 0 links are set up using embedded object
Website Backlinks Analysis Report 2023 backlinks from 224 domains Report created: Jan 3, 2015 Website: http://wpisz.stronę.odbiorcy Compared with: 7 day(s) old Domain Statistics The domain seo.zgred.pl
Bardziej szczegółowoLearning about Language with Normalizing Flows Graham Neubig Language Technologies Institute, Carnegie Mellon University
Learning about Language with Normalizing Flows Graham Neubig Language Technologies Institute, Carnegie Mellon University Chunting Zhou Junxian He Di Wang, Xuezhe Ma, Daniel Spokoyny, Taylor Berg-Kirkpatrick
Bardziej szczegółowoProbabilistic Methods and Statistics. Computer Science 1 st degree (1st degree / 2nd degree) General (general / practical)
MODULE DESCRIPTION Module code Module name Metody probabilistyczne i statystyka Module name in English Probabilistic Methods and Statistics Valid from academic year 2012/2013 MODULE PLACEMENT IN THE SYLLABUS
Bardziej szczegółowoA hybrid quantum-classical recommender system. Andrea Skolik
A hybrid quantum-classical recommender system Andrea Skolik A recommender system built on matrix factorization got inspired by nonnegative/binary matrix factorization at Qubits 2018 [1] Q: where can we
Bardziej szczegółowoCompressing the information contained in the different indexes is crucial for performance when implementing an IR system
4.2 Compression Compressing the information contained in the different indexes is crucial for performance when implementing an IR system on current hardware it is typically much faster to read compressed
Bardziej szczegółowoThe Lorenz System and Chaos in Nonlinear DEs
The Lorenz System and Chaos in Nonlinear DEs April 30, 2019 Math 333 p. 71 in Chaos: Making a New Science by James Gleick Adding a dimension adds new possible layers of complexity in the phase space of
Bardziej szczegółowoSPOTKANIE 2: Wprowadzenie cz. I
Wrocław University of Technology SPOTKANIE 2: Wprowadzenie cz. I Piotr Klukowski Studenckie Koło Naukowe Estymator piotr.klukowski@pwr.edu.pl 17.10.2016 UCZENIE MASZYNOWE 2/27 UCZENIE MASZYNOWE = Konstruowanie
Bardziej szczegółowoWprowadzenie do programu RapidMiner, część 3 Michał Bereta
Wprowadzenie do programu RapidMiner, część 3 Michał Bereta www.michalbereta.pl 1. W programie RapidMiner mamy do dyspozycji kilka dyskryminacyjnych modeli liniowych jako operatory: a. LDA Linear Discriminant
Bardziej szczegółowoStability of Tikhonov Regularization Class 07, March 2003 Alex Rakhlin
Stability of Tikhonov Regularization 9.520 Class 07, March 2003 Alex Rakhlin Plan Review of Stability Bounds Stability of Tikhonov Regularization Algorithms Uniform Stability Review notation: S = {z 1,...,
Bardziej szczegółowoAgnostic Learning and VC dimension
Agnostic Learning and VC dimension Machine Learning Spring 2019 The slides are based on Vivek Srikumar s 1 This Lecture Agnostic Learning What if I cannot guarantee zero training error? Can we still get
Bardziej szczegółowoSPOTKANIE 4: Klasyfikacja: Regresja logistyczna
Wrocław University of Technology SPOTKANIE 4: Klasyfikacja: Regresja logistyczna Szymon Zaręba Studenckie Koło Naukowe Estymator 179226@student.pwr.wroc.pl 23.11.2012 Rozkład dwupunktowy i dwumianowy Rozkład
Bardziej szczegółowoKlasyfikacja Support Vector Machines
Klasyfikacja Support Vector Machines LABORKA Piotr Ciskowski przykład 1 KLASYFIKACJA KWIATKÓW IRYSA przykład 1. klasyfikacja kwiatków irysa (versicolor-virginica) żródło: pomoc MATLABa: http://www.mathworks.com/help/stats/svmclassify.html
Bardziej szczegółowoSymmetry and Geometry of Generalized Higgs Sectors
Symmetry and Geometry of Generalized Higgs Sectors Ryo Nagai Tohoku University in collaboration with M. Tanabashi (Nagoya U.), Y. Uchida (Nagoya U.), and K. Tsumura (Kyoto U.) PPP2018 @ YITP, Aug. 6-10,
Bardziej szczegółowoNew Roads to Cryptopia. Amit Sahai. An NSF Frontier Center
New Roads to Cryptopia Amit Sahai An NSF Frontier Center OPACity Panel, May 19, 2019 New Roads to Cryptopia What about all this space? Cryptography = Hardness* PKE RSA MPC DDH ZK Signatures Factoring IBE
Bardziej szczegółowoKlasyfikacja naiwny Bayes
Klasyfikacja naiwny Bayes LABORKA Piotr Ciskowski NAIWNY KLASYFIKATOR BAYESA wyjaśnienie Naiwny klasyfikator Bayesa żródło: Internetowy Podręcznik Statystyki Statsoft dane uczące 2 klasy - prawdopodobieństwo
Bardziej szczegółowoDepartment of Electrical- and Information Technology. Dealing with stochastic processes
Dealing with stochastic processes The stochastic process (SP) Definition (in the following material): A stochastic process is random process that happens over time, i.e. the process is dynamic and changes
Bardziej szczegółowoCamspot 4.4 Camspot 4.5
User manual (addition) Dodatek do instrukcji obsługi Camspot 4.4 Camspot 4.5 1. WiFi configuration 2. Configuration of sending pictures to e-mail/ftp after motion detection 1. Konfiguracja WiFi 2. Konfiguracja
Bardziej szczegółoworeinforcement learning through the optimization lens Benjamin Recht University of California, Berkeley
reinforcement learning through the optimization lens Benjamin Recht University of California, Berkeley trustable, scalable, predictable Control Theory! Reinforcement Learning is the study of how to use
Bardziej szczegółowoWprowadzenie do uczenia maszynowego. Jakub Tomczak
Wprowadzenie do uczenia maszynowego Jakub Tomczak 2014 ii Rozdział 1 Pojęcia podstawowe 1.1 Wprowadzenie. Zmienne losowe ˆ Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez
Bardziej szczegółowoA Zadanie
where a, b, and c are binary (boolean) attributes. A Zadanie 1 2 3 4 5 6 7 8 9 10 Punkty a (maks) (2) (2) (2) (2) (4) F(6) (8) T (8) (12) (12) (40) Nazwisko i Imiȩ: c Uwaga: ta część zostanie wypełniona
Bardziej szczegółowoĆwiczenia 2 IBM DB2 Data Studio
Ćwiczenia 2 IBM DB2 Data Studio Temat: Aplikacje w Data Studio 1. Projekty Tworzenie procedur, UDF, trygerów zaczynamy od utworzenia projektu File -> New -> Project wybieramy Data Development Project.
Bardziej szczegółowoInternet of Things Devices
Internet of Things Devices } Internet of Things (IoT) devices } Have access to an abundance of raw data } In home, work, or vehicle IoT: Raw Data & Processing } IoT is gaining ground with the widespread
Bardziej szczegółowoStrategic planning. Jolanta Żyśko University of Physical Education in Warsaw
Strategic planning Jolanta Żyśko University of Physical Education in Warsaw 7S Formula Strategy 5 Ps Strategy as plan Strategy as ploy Strategy as pattern Strategy as position Strategy as perspective Strategy
Bardziej szczegółowoTHE RATE OF GW CAPTURE OF STELLAR-MASS BHS IN NUCLEAR STAR CLUSTERS. Alexander Rasskazov & Bence Kocsis Eotvos University
THE RATE OF GW CAPTURE OF STELLAR-MASS BHS IN NUCLEAR STAR CLUSTERS Alexander Rasskazov & Bence Kocsis Eotvos University Merger rate density of events with e>0.1 in the LIGO band (>10 Hz), Gpc -3 yr -1
Bardziej szczegółowoPrices and Volumes on the Stock Market
Prices and Volumes on the Stock Market Krzysztof Karpio Piotr Łukasiewicz Arkadiusz Orłowski Warszawa, 25-27 listopada 2010 1 Data selection Warsaw Stock Exchange WIG index assets most important for investors
Bardziej szczegółowoMixed-integer Convex Representability
Mixed-integer Convex Representability Juan Pablo Vielma Massachuse=s Ins?tute of Technology Joint work with Miles Lubin and Ilias Zadik INFORMS Annual Mee?ng, Phoenix, AZ, November, 2018. Mixed-Integer
Bardziej szczegółowoInterkonekty analogowe RCA/XLR
Cennik detaliczny produktów MIT CABLES Audio Forte S.J. D. Bączewski, A. Wójtowicz Sp. Jawna ul. Rejtana 7/9, 02-516 Warszawa e-mail: biuro@audioforte.com.pl tel./fax 22 646 69 99, 22 409 47 43 Interkonekty
Bardziej szczegółowoOpenPoland.net API Documentation
OpenPoland.net API Documentation Release 1.0 Michał Gryczka July 11, 2014 Contents 1 REST API tokens: 3 1.1 How to get a token............................................ 3 2 REST API : search for assets
Bardziej szczegółowoNiezawodność diagnostyka systemów laboratorium
Doc. dr inż. Jacek Jarnicki Niezawodność diagnostyka systemów laboratorium 1. Zajęcia wprowadzające treść ćwiczenia Informacje wstępne, cel zajęć, organizacja zajęć, materiały dydaktyczne, sprawozdania,
Bardziej szczegółowoLaboratorium Programowania Kart Elektronicznych
Laboratorium Programowania Kart Elektronicznych Programowanie BasicCard Marek Gosławski Przygotowanie do zajęć dokumentacja ZeitControl BasicCard środowisko programistyczne karta BasicCard Potrzebne wiadomości
Bardziej szczegółowoStrangeness in nuclei and neutron stars: many-body forces and the hyperon puzzle
Strangeness in nuclei and neutron stars: many-body forces and the hyperon puzzle Diego Lonardoni FRIB Theory Fellow In collaboration with: S. Gandolfi, LAL J. A. Carlson, LAL A. Lovato, AL & IF F. Pederiva,
Bardziej szczegółowoMikroskopia polowa. Efekt tunelowy Historia odkryć Uwagi o tunelowaniu Zastosowane rozwiązania. Bolesław AUGUSTYNIAK
Mikroskopia polowa Efekt tunelowy Historia odkryć Uwagi o tunelowaniu Zastosowane rozwiązania Bolesław AUGUSTYNIAK Efekt tunelowy Efekt kwantowy, którym tłumaczy się przenikanie elektronu w sposób niezgodny
Bardziej szczegółowoExtraclass. Football Men. Season 2009/10 - Autumn round
Extraclass Football Men Season 2009/10 - Autumn round Invitation Dear All, On the date of 29th July starts the new season of Polish Extraclass. There will be live coverage form all the matches on Canal+
Bardziej szczegółowoLearning to find good correspondences
Learning to find good correspondences K.M. Yi, E. Trulls, Y. Ono, V. Lepetit, M. Salzmann, P. Fua CVPR 2018 (Salt Lake City, UT, USA) Local features matter Keypoints provide us with a robust way to match
Bardziej szczegółowoy = The Chain Rule Show all work. No calculator unless otherwise stated. If asked to Explain your answer, write in complete sentences.
The Chain Rule Show all work. No calculator unless otherwise stated. If asked to Eplain your answer, write in complete sentences. 1. Find the derivative of the functions y 7 (b) (a) ( ) y t 1 + t 1 (c)
Bardziej szczegółowoZASTOSOWANIE ODCINKOWO-LINIOWEGO MINIMODELU DO MODELOWANIA PRODUKCJI SPRZEDANEJ PRZEMYSŁU
ZASTOSOWANIE ODCINKOWO-LINIOWEGO MINIMODELU DO MODELOWANIA PRODUKCJI SPRZEDANEJ PRZEMYSŁU W artykule przedstawiono now metod modelowania zjawisk ekonomicznych. Metoda odcinkowo-liniowego minimodelu szczególnie
Bardziej szczegółowoWprowadzenie do programu RapidMiner, część 2 Michał Bereta 1. Wykorzystanie wykresu ROC do porównania modeli klasyfikatorów
Wprowadzenie do programu RapidMiner, część 2 Michał Bereta www.michalbereta.pl 1. Wykorzystanie wykresu ROC do porównania modeli klasyfikatorów Zaimportuj dane pima-indians-diabetes.csv. (Baza danych poświęcona
Bardziej szczegółowoĆwiczenia na egzamin - zaliczenie różnic programowych
Ćwiczenia na egzamin - zaliczenie różnic programowych Ex.1 Complete sentences the correct form of verb have got. Uzupełnij zdania właściwą formą czasownika have got : 1.My dad three brothers. 2. We an
Bardziej szczegółowoDealing with continuous-valued attributes
Dealing with continuous-valued attributes An alternative measure: gain ratio Handling incomplete training data Handling attributes with different costs Ensemble of Classifiers Why Ensemble Works? Some
Bardziej szczegółowoNonlinear data assimilation for ocean applications
Nonlinear data assimilation for ocean applications Peter Jan van Leeuwen, Manuel Pulido, Jacob Skauvold, Javier Amezcua, Polly Smith, Met Ades, Mengbin Zhu Comparing observations and models Ensure they
Bardziej szczegółowoChapter 1: Review Exercises
Chpter : Review Eercises Chpter : Review Eercises - Evlute the following integrls:..... 6. 8. ( + ) 9. +.. ( + ). ( ). 8. 9....... 6. 7. (csc + + ) sin tn 6. ( )( + ) 7. ) 8.. + ( + )( ). ( ) sin sin sec
Bardziej szczegółowoHorseshoe Priors for Bayesian Neural Networks
Horseshoe Priors for Bayesian Neural Networks Soumya Ghosh Jiayu Yao Finale Doshi-Velez IBM Research Harvard Harvard MIT-IBM Watson AI lab 1 aaacbxicbzdlssnafiyn9vbrlepsf4nfqagleue3qtgnywr2am0ik+mkhtqzctmtmyru3pgqblwo4tz3cofbogmz0oopax//oyc55w9irpv2nc+rtlc4tlxsxq2srw9sbtnbo20leoljcwsmzddaijdksuttzug3lgrfasodyhyv1zt3rcoq+k1oy+jfamhpsdhsxvlt/rrewjhfj5aeycsyzqr2fwspirdued+uonvnkvgx3akqofdttz/7a4gtihcngvkq5zqx9jikncwmtcr9rjey4teakp5bjikivgx6xqqegmcaqyhn4xpo3z8tgyqusqpadobbqvlabv5x6yu6ppcyyunee45nh4ujg1rapbi4ojjgzvidcetqdov4hctc2grxmsg48yf/hfzj3tv8c1ptxbzxlmeeoaa14iiz0adxoalaaimh
Bardziej szczegółowoBoosting. Sewoong Oh. CSE/STAT 416 University of Washington
Boosting Sewoong Oh CSE/STAT 416 University of Washington Ensemble classifier: Aggregating weak classifiers!2 Consider a scenario where we train many weak classifiers on a given data f 1 (x) aaab73icbva9twjbej3dl8qv1njmi5hgq+6w0jjoy4mjfcrwixvlhmzy3tt394zkwp+wsdayw/+onf/gba5q8cwtvlw3k5l5qcyznq777etw1jc2t/lbhz3dvf2d4ufrs0ejirrjih6ptoa15uzspmgg006skbybp+1gfdpz249uarbjezojqs/wulkqewys1cmhfa/ydf7uf0tu1z0drriviyxi0ogxv3qdicscskm41rrrubhxu6wmi5xoc71e0xitmr7srqusc6r9dh7vfj1zzydcsnmsbs3v3xmpflpprga7btyjveznxp+8bmlckz9lmk4mlwsxkew4mhgapy8gtffi+mqstbsztyiywgotyymq2bc85zdxsatw9s6qtbtaqx6dxzghezifcnhwcxw4hqy0gqchz3ifn+fbexheny9fa87jzo7hd5zph03vjtm=
Bardziej szczegółowoZastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski
Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej Adam Żychowski Definicja problemu Każdy z obiektów może należeć do więcej niż jednej kategorii. Alternatywna definicja Zastosowania
Bardziej szczegółowoRozpoznawanie twarzy metodą PCA Michał Bereta 1. Testowanie statystycznej istotności różnic między jakością klasyfikatorów
Rozpoznawanie twarzy metodą PCA Michał Bereta www.michalbereta.pl 1. Testowanie statystycznej istotności różnic między jakością klasyfikatorów Wiemy, że możemy porównywad klasyfikatory np. za pomocą kroswalidacji.
Bardziej szczegółowoMetody predykcji analiza regresji wielokrotnej, nieliniowej i wybór zmiennych
Metody predykcji analiza regresji wielokrotnej, nieliniowej i wybór zmiennych TPD 2009/2010 Aktualizacja w 2010 JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Przebieg wykładu Poprzednie
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 8. Kernel PCA & Isomap + TSNE
Machie Learig for Data Sciece (CS4786) Lecture 8 Kerel PCA & Isomap + TSNE LINEAR PROJECTIONS X d W = Y K d K Works whe data lies i a low dimesioal liear sub-space KERNEL TRICK ( ) ( ) We have have ice
Bardziej szczegółowoUczenie ze wzmocnieniem
Uczenie ze wzmocnieniem Maria Ganzha Wydział Matematyki i Nauk Informatycznych 2018-2019 Temporal Difference learning Uczenie oparte na różnicach czasowych Problemy predykcyjne (wieloetapowe) droga do
Bardziej szczegółowoSTATYSTYKA OD PODSTAW Z SYSTEMEM SAS. wersja 9.2 i 9.3. Szkoła Główna Handlowa w Warszawie
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS wersja 9.2 i 9.3 Szkoła Główna Handlowa w Warszawie Spis treści Wprowadzenie... 6 1. Podstawowe informacje o systemie SAS... 9 1.1. Informacje ogólne... 9 1.2. Analityka...
Bardziej szczegółowoLaboratorium Programowania Kart Elektronicznych
Laboratorium Programowania Kart Elektronicznych Marek Gosławski Przygotowanie do zajęć dokumentacja ZeitControl BasicCard środowisko programistyczne karta BasicCard Potrzebne wiadomości język angielski
Bardziej szczegółowoUSB firmware changing guide. Zmiana oprogramowania za przy użyciu połączenia USB. Changelog / Lista Zmian
1 / 12 Content list / Spis Treści 1. Hardware and software requirements, preparing device to upgrade Wymagania sprzętowe i programowe, przygotowanie urządzenia do aktualizacji 2. Installing drivers needed
Bardziej szczegółowoMETHOD 2 -DIAGNOSTIC OUTSIDE
VW MOTOMETER BOSCH METHOD 1 - OBD 2 METHOD 2 -DIAGNOSTIC OUTSIDE AFTER OPERATION YOU MUST DISCONECT ACU OR REMOVE FUSE FOR RESTART ODOMETER PO ZROBIENIU LICZNIKA ZDJĄĆ KLEMĘ LUB WYJĄĆ 2 BEZPIECZNIKI OD
Bardziej szczegółowoLogika rozmyta typu 2
Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe
Bardziej szczegółowoLaboratorium 6. Indukcja drzew decyzyjnych.
Laboratorium 6 Indukcja drzew decyzyjnych. 1. Uruchom narzędzie Oracle Data Miner i połącz się z serwerem bazy danych. 2. Z menu głównego wybierz Activity Build. Na ekranie powitalnym kliknij przycisk
Bardziej szczegółowoTwoje osobiste Obliczenie dla systemu ogrzewania i przygotowania c.w.u.
Twoje osobiste Obliczenie dla systemu ogrzewania i przygotowania c.w.u. Wyłączenie odpowiedzialności This Erp calculation Tool is provided by Brötje. Access to and use of this Tool shall impose the following
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników
Bardziej szczegółowoARMAX (ANN) : :. (ANN) ARMAX.... ARMAX ARMA :..Q47 E27 C53 C45 :JEL
47-70 39 7 ARMAX (ANN) 39 9 : 39 :. (ANN) ARMAX.... ARMAX ARMA :..Q47 E7 C53 C45 :JEL navid_moarrefzadeh@yahoo.com 7 48....... (ANN). ARMAX..... 90. (994)... Kuan & White Yousefi (994) 49... (993) (995).
Bardziej szczegółowoZmiany techniczne wprowadzone w wersji Comarch ERP Altum
Zmiany techniczne wprowadzone w wersji 2018.2 Copyright 2016 COMARCH SA Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci
Bardziej szczegółowoKDD and DM 1 W8: REGUŁY DECYZYJNE. Nguyen Hung Son
DM 1 W8: REGUŁY DECYZYJNE Nguyen Hung Son Tematy DM 2 Reguły decyzyjne: prosty opis klas decyzyjnych Problem wyszukiwania reguł decyzyjnych Algorytmy generowania reguł decyzyjnych Sekwencyjne pokrywanie
Bardziej szczegółowoSpis treści. Przedmowa Monika Książek Rozdział I Analiza danych jakościowych... 25
Spis treści Przedmowa................................................................ 17 Monika Książek Rozdział I Analiza danych jakościowych................................................. 25 I. Teoria....................................................................
Bardziej szczegółowoDMX DMX DMX DMX: CREATE MINING STRUCTURE. Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
DMX DMX DMX Data Mining Extensions jest językiem do tworzenia i działania na modelach eksploracji danych w Microsoft SQL Server Analysis Services SSAS. Za pomocą DMX można tworzyć strukturę nowych modeli
Bardziej szczegółowoConference programme
Conference programme Monday, 3rd of December 9:00 9:10 Opening of the conference 9:10 9:55 Krzysztof Łatuszyński Bayesian Inference in Intractable Likelihood Models, part I 9:55 10:10 Coffee break 10:10
Bardziej szczegółowoAndrzej KORNACKI Ewa SOKOŁOWSKA. 1. Introduction. 1. Wprowadzenie
Andrzej KORNACKI Ewa SOKOŁOWSKA Ocena czasu poprawnej pracy do uszkodzenia za pomocą Kryterium Informacyjnego Akaike The estimation of smooth operation time until failure with the application of the Akaike
Bardziej szczegółowoLabel-Noise Robust Generative Adversarial Networks
Label-Noise Robust Generative Adversarial Networks Training data rcgan Noisy labeled Conditioned on clean labels Takuhiro Kaneko1 Yoshitaka Ushiku1 Tatsuya Harada1, 2 1The University of Tokyo 2RIKEN Talk
Bardziej szczegółowoInstrukcja konfiguracji usługi Wirtualnej Sieci Prywatnej w systemie Mac OSX
UNIWERSYTETU BIBLIOTEKA IEGO UNIWERSYTETU IEGO Instrukcja konfiguracji usługi Wirtualnej Sieci Prywatnej w systemie Mac OSX 1. Make a new connection Open the System Preferences by going to the Apple menu
Bardziej szczegółowodr Krzysztof Korus partner, radca prawny, ekonomista
Zapraszamy do zapoznania się z fragmentem prezentacji: Problematyka Dyrektywy PSD II w branży telekomunikacyjnej wprowadzenie W razie zainteresowania jej pełną treścią, zapraszamy do kontaktu MMC: Problematyka
Bardziej szczegółowoLatent Dirichlet Allocation Models and their Evaluation IT for Practice 2016
Latent Dirichlet Allocation Models and their Evaluation IT for Practice 2016 Paweł Lula Cracow University of Economics, Poland pawel.lula@uek.krakow.pl Latent Dirichlet Allocation (LDA) Documents Latent
Bardziej szczegółowoharmonic functions and the chromatic polynomial
harmonic functions and the chromatic polynomial R. Kenyon (Brown) based on joint work with A. Abrams, W. Lam The chromatic polynomial with n colors. G(n) of a graph G is the number of proper colorings
Bardziej szczegółowoWYKŁAD 2 i 3. Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne. autor: Maciej Zięba. Politechnika Wrocławska
Wrocław University of Technology WYKŁAD 2 i 3 Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne autor: Maciej Zięba Politechnika Wrocławska Pojęcie prawdopodobieństwa Prawdopodobieństwo
Bardziej szczegółowo