DMS matematika szeminárium

    A 2013 tavaszi félév során az Adatbányászat szemináriumon a terület több, matematikai megalapozását adó témakör kerül feldolgozásra.

    Tervezett előadások:

    2013.02.28. - Kiss Tamás - ACE-algoritmus általános regresszióra

    • Az előadás tárgyalja az ACE-algoritmust, ami az y függő és az x_i független valószínűségi változók függvényei között keres összefüggést.
    • Az előadás során szó lesz az algoritmus konvergenciájának bizonyításához szükséges analízisbeli alapokról, elsősorban a Hilbert-terek kompakt operátoraira vonatkozó tételekről.
    • Gyakorlatban a valószínűségi változók együttes eloszlásai általában nem ismertek, ezért szó lesz az algoritmus egy adatmátrixon történő numerikus megfelelőjéről is.
    • Irodalom: L. Breiman and J. Friedman: Estimating optimal transformations in multiple regression and correlation. J. Amer. Statist. Assoc. 80, 1985, 580-619.
    • Jegyzet, mely az előadás alapja: (Bolla Mariann jegyzete) http://www.math.bme.hu/~marib/adatb/adatb2.pdf

    2013.03.07. - Göbölös-Szabó Julianna - Rejtett Markov Modell (HMM)

    • Az előadáson a rejtett Markov modellek elméleti hátterével ismerkedünk meg.
    • A modellben feltételezzük, hogy a megfigyeléseinket egy háttérben zajló Markov-folyamat generálja.
    • A tanítás során a feladatunk a Markov-folyamat és a jelkibocsátási valószínűségek becslése.
    • A rejtett Markov modelleket széles körben alkalmazzák az informatika változatos területein. Felhasználják
      • beszédfelismerési eljárásokban,
      • bioinformatikai modellezésre,
      • szövegbányászatban.

    2013.03.14. - Pálovics Róbert - Mintavételezés (Sampling)

    • Mintavételezés eloszlásokból: probléma megfogalmazása, nehézségek, példák.
    • MCMC módszerek alapjai: Sztochasztikus-folyamatok, Markov-folyamatok, Master-egyenlet, Részletes egyensúly elve, Időtükrözési invariancia, Ergodicitás, H-tétel
    • MCMC módszerek: Metropolis-Hastings algoritmus, Gibbs-sampling, Simulated Annealing

    2013.04.04. - Szabó Adrienn - Support Vector Machine (SVM)

    • Maximum margin classifier
    • Lagrange duális
    • Lineáris SVM
    • Nemlineáris SVM: a kernel trükk
    • Néhány gyakorlati dolog

    2013.04.11. - Kiss Tamás - Markov láncok határeloszlástételei

    • Az előadáson elsősorban a megszámlálható állapotterű, diszkrét idejű Markov-láncokról lesz szó.
    • Stacionárius eloszlás létezése, milyen esetekben konvergál a lánc a stacionárius eloszláshoz, milyen becsléseket tudunk adni a konvergencia sebességére.
    • A probléma érinti a Markov-lánc irreducibilis komponensekre való felbontását, periodikus tulajdonságait, az átmenet mátrix spektrális résének ismeretét.

    2013.04.18. - Tóthmérész Lilla - Conditional Random Field (CRF)

    Csatolmány: 
    Típus: 
    adatbányászat szeminárium
    Időpont: 
    csütörtök, 2013, február 28 - 10:15 - csütörtök, 2013, június 6 - 10:15
    Tavaszi félév

    Nyelvek