[Αναγνώριση Προτύπων] Εργασιες 2008

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[height=400]

  Όταν ανεβάζουμε φωτογραφίες στις Ανακοινώσεις και Έκτακτα νέα, βάζουμε τη μεγαλύτερη πλευρά 400 (width=400 ή height=400 ). π.χ. [img height=400 (κλείνει η αγκύλη) 

[OtiNaNAi]

Εχει ανέβει στο ΕΤΗΜΜΥ η πρώτη εργασία και περιλαμβανεται το παρακατω hint

Hint: Προκειμένου να δουλέψουν σωστά οι αλγόριθμοί σας κανονικοποιήστε τα δεδομένα του προβλήματος.
Πώς θα το κάνουμε αυτό; Βρείτε από τα δείγματα την ελάχιστη και τη μέγιστη τιμή κάθε συνιστώσας (πχ για τη συνιστώσα 13, την προλίνη, οι τιμές αυτές είναι 278 και 1680). Στη συνέχεια, μετασχηματίστε τις τιμές των συνιστωσών των δειγμάτων, ώστε οι τιμές όλων των συνιστωσών να βρίσκονται στο ίδιο διάστημα πχ στο (0,1).
Δηλαδή: αν πχ η ελάχιστη και η μέγιστη τιμής της συνιστώσας 13 είναι 278 και 1680 αντίστοιχα, μετασχηματίστε γραμμικά τη συνιστώσα αυτή σε όλα τα δείγματα, ώστε να παίρνει τιμές στο διάστημα (0,1) αντί για το (278, 1680). Κάντε το ίδιο και για τις 13 συνιστώσες.

Πως θα γινει ο μετασχηματισμός?? απλα διαιρούμε με το μεγιστο στοιχειο της καθε στήλης??




 

[mendelita]

Μπορείς και έτσι όπως λες...

Αλλά γίνεται και ως εξής:

y = (x-a)/(b-a)

όπου a το ελάχιστο και b το μέγιστο κάθε στήλης.

[OtiNaNAi]

Στο πρώτο ερώτημα που ζητάει να κάνουμε την ομαδοποίηση χρησιμοποιώντας και τις 13 συνιστώσες, ποια συνάρτηση θα χρησιμοποιήσουμε για να κατατάξουμε κάθε δείγμα σε κάποια ομάδα?? 

π.χ όταν έχουμε 2 ή 3 συνιστώσες χρησιμοποιούμε την ευκλείδεια απόσταση. εδώ ομως??

[mendelita]

Στο πρώτο ερώτημα που ζητάει να κάνουμε την ομαδοποίηση χρησιμοποιώντας και τις 13 συνιστώσες, ποια συνάρτηση θα χρησιμοποιήσουμε για να κατατάξουμε κάθε δείγμα σε κάποια ομάδα?? 

π.χ όταν έχουμε 2 ή 3 συνιστώσες χρησιμοποιούμε την ευκλείδεια απόσταση. εδώ ομως??

Την ευκλείδεια απόσταση...
Τι 2, τι 3, τι 100 συνιστώσες. Δεν αλλάζει κάτι.

[OtiNaNAi]

thanx

[OtiNaNAi]

Στον αλγόριθμο perceptron πως στο καλο υπολογιζουμε τον ορο с στο w(k+1)=w(k)+cx(k)  ???

[mendelita]

Υπάρχουν δύο επιλογές:

1) Να έχεις c σταθερό. Την τιμή την ορίζεις εσύ και μπορείς να καταλήξεις σε μια καλή τιμή μετά από κάποια αποτελέσματα.

2) Να έχεις c που μεταβάλλεται σε κάθε βήμα με έναν από τους τρόπους που λέει στην Παρουσίαση 2 στο eTHMMY στη σελίδα 21.

[Ianna]

Απ'ό,τι έχω καταλάβει  απ τη στιγμή που δεν χρησιμοποιούμε την εντολή kmeans ,πρεπει να γράψουμε στο matlab τον αλγόριθμο του kmeans από ψευδογλώσσα που μας τον δίνει στις σημειώσεις σε κατάλληλη μορφή ώστε να το παίρνει το matlab.Υπάρχει ο αλγόριθμος πουθενά ή πρέπει να τον δημιουργήσουμε με βάση τις όποιες γνώσεις μας?

[elen :)]

μια ερώρηση...εκεί που θέλουμε να κάνουμε το διάγραμμα ( k-means ) που να έχει διαφορετικά σύμβολα για την ποικιλία και διαφορετικά χρώματα για για κάθε ομάδα ποιά εντολή θα χρησιμοποιήσω γιατί αυτέσ που βρίσκω ειναι για δύο διαφορετικά διαγράμματα ενώ εγώ τα θέλω σε ένα. help  :'(

[OtiNaNAi]

Απ'ό,τι έχω καταλάβει  απ τη στιγμή που δεν χρησιμοποιούμε την εντολή kmeans ,πρεπει να γράψουμε στο matlab τον αλγόριθμο του kmeans από ψευδογλώσσα που μας τον δίνει στις σημειώσεις σε κατάλληλη μορφή ώστε να το παίρνει το matlab.Υπάρχει ο αλγόριθμος πουθενά ή πρέπει να τον δημιουργήσουμε με βάση τις όποιες γνώσεις μας?

Προφανως το φτιαχνεις μονη σου

μια ερώρηση...εκεί που θέλουμε να κάνουμε το διάγραμμα ( k-means ) που να έχει διαφορετικά σύμβολα για την ποικιλία και διαφορετικά χρώματα για για κάθε ομάδα ποιά εντολή θα χρησιμοποιήσω γιατί αυτέσ που βρίσκω ειναι για δύο διαφορετικά διαγράμματα ενώ εγώ τα θέλω σε ένα. help  :'(

Αν καταλαβα σωστα τι ρωτας
για να κανεις περισσοτερα απο 1 σχεδια στο ιδιο διαγραμμα πρεπει αφου  δημιουργησεις το πρωτο σχεδιο να δωσεις την εντολη hold on
Ετσι καθε νεο σχεδιο θα σχεδιαστει στο ιδιο διαγραμμα

[free]

μια ερώρηση...εκεί που θέλουμε να κάνουμε το διάγραμμα ( k-means ) που να έχει διαφορετικά σύμβολα για την ποικιλία και διαφορετικά χρώματα για για κάθε ομάδα ποιά εντολή θα χρησιμοποιήσω γιατί αυτέσ που βρίσκω ειναι για δύο διαφορετικά διαγράμματα ενώ εγώ τα θέλω σε ένα. help  :'(

Αν καταλαβα σωστα τι ρωτας
για να κανεις περισσοτερα απο 1 σχεδια στο ιδιο διαγραμμα πρεπει αφου  δημιουργησεις το πρωτο σχεδιο να δωσεις την εντολη hold on
Ετσι καθε νεο σχεδιο θα σχεδιαστει στο ιδιο διαγραμμα
[/quote]
δηλαδη για να στο κανω πιο σαφες OtiNaNai η απορια ειναι ουσιαστικα πως μπορω να παραστησω στο αi) ερωτημα διαφορετικα συμβολα για καθε ποικιλια κρασιου (δλδ απο τον αρχικο πινακα των δειγματων) και διαφορετικα χρωματα για καθε ομαδα που προκυπτει απο τον k-means , σε ενα διαγραμμα?
 ή μηπως δεν εχω καταλαβει καλα την εκφωνηση και παιδευομαι τσαμπα??!!

[ladybird]

@free:
Αν κατάλαβα καλά αυτό που ρωτάς, μπορείς να ελέγξεις κάθε δείγμα σε ποια ομάδα και ποια ποικιλία ανήκει και ανάλογα να βάλεις το σχήμα και το χρώμα στην Plot. Με τη χρήση της hold on τα δείγαμτα θα τοποθετούνται όλα στο ίδιο διάγραμμα.
Δεν ξέρω αν υπάρχει πιο απλός τρόπος για να το κάνεις...

[free]

καταλαβα τι εννοεις νομιζω...
παντως για το 2D διαγραμμα χρησιμοποιησαμε τη εντολη gscatter και νομιζω οτι βγηκε το διαγραμμα που ζητουσε...
thanks παντως για την προταση σου θα την δοκιμασω

[free]

μετα την πετυχημενη υλοποιηση του kMeans ερχεται τωρα η απορια για τον perceptron...
να υποθεσω παλι οτι πρεπει να δημιουργησουμε δικη μας συναρτηση αντι να χρησιμοιησουμε την ηδη υπαρχουσα του matlab?
1. η ηδη υπαρχουσα συναρτηση υλοποιει τον perceptron για διαχωρισμο σε 2 μονο ομαδες?
2. ουσιαστικα τι πρεπει να δεχεται ως εισοδο και τι εξοδο να παραγει ο αλγοριθμος?
ουφφφφ...πολυ μπερδεμα

[Kazaubon]

Είσοδος θα είναι το train set που έχεις (δλδ ένας πίνακας mxn με m το πλήθος των δειγμάτων και n τα χαρακτηριστικά βάσει των οποίων εκπαιδεύεις και ταξινομείς τα δείγματα) και έξοδος ένα διάνυσμα βαρών 1xn που θα καθορίζει την διαμέριση  του χώρου.H ταξινόμηση των δειγμάτων του test set γίνεται με βάση την διαμέριση που έχεις πετύχει.
Αυτά κάπως γενικά αφού δεν γνωρίζω το περιεχόμενο της εργασίας.