• Keine Ergebnisse gefunden

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

N/A
N/A
Protected

Academic year: 2022

Aktie "Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Anne Driemel

Thomas Kesselheim 29. Juni 2020

Xianghui Zhong Abgabe bis: 6. Juli 2020, 12 Uhr

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

Ubungsblatt 10 ¨

Aufgabe 1: (4+4+2 Punkte)

(a) Sei k, m ∈ N mit k ≤ m. Zeigen Sie, dass das Voronoi-Diagramm der k-ten Ordnung von m Punkten inR aus genau m−k+ 1 Voronoi-Regionen besteht.

(b) Sei S = {(x1, y1), . . . ,(xm, ym)} eine Trainingsmenge aus R × {+1,−1}. Entwerfen Sie einen Algorithmus, der nach geeigneter Vorverarbeitung der Menge S, f¨ur einen Punkt q ∈ R die k n¨achsten Nachbarn von q in S in O(klogm) Zeit deterministisch berechnet. Die Vorverarbeitung sollte daf¨ur eine geeignete Datenstruktur auf der Menge S berechnen und darf beliebig viel Zeit kosten.

(c) Professor G. Witzt m¨ochte den Algorithmus aus Teilaufgabe (b) f¨ur eine Trainings- menge S ⊆ R2 × {−1,+1} anwenden um die k n¨achsten Nachbarn f¨ur einen Punkt q = (q1, q2)∈R2 zu berechnen. Dazu berechnet er f¨ur jede Komponentej ∈ {1,2} eine separate Datenstruktur Dj auf der Menge Sj ={(x1,j, y1), . . . ,(xm,j, ym)}.

Nehmen Sie an, dass k < m2 −2. Konstruieren Sie ein Beispiel f¨ur eine Menge S und einen Punkt q, sodass die Vereinigung der k n¨achsten Nachbarn von qj in Sj f¨ur alle j ∈ {1,2} keinen Punkt aus der Menge derk n¨achsten Nachbarn vonq inS enth¨alt.

Aufgabe 2: (6 Punkte)

Zeigen Sie, dass das Voronoi-Diagramm derk-ten Ordnung von m Punkten inR2 aus h¨ochs- tens O(m4) Voronoi-Regionen besteht. Sie k¨onnen daf¨ur die Beobachtung verwenden, dass die Bisektoren die Grundmenge in Regionen aufteilen, sodass in jeder Region die Permutation der n¨achsten Nachbarn gleich ist.

Aufgabe 3: (4 Punkte)

Zeigen Sie, dass das Voronoi-Diagramm der folgenden Punktmenge inR3 mindestens (m−1)2 Voronoi-Knoten hat: {(mi ,0,0)|1≤i≤m} ∪ {(0,1,mj )|j = 1, . . . , m}.

Referenzen

ÄHNLICHE DOKUMENTE

Da im Falle eukaryotischer Translationsstarts die Signale auch speziesübergreifend gelernt werden können, steht hier eine deutlich größere Menge verifizierter Trainings- daten

Dies gilt nicht nur für Objekte, sondern auch für Haltungen, zum Beispiel die der Neugier: Wie meine Neugier sich kanalisiert, ist kulturell geformt, nicht nur. 1 Dies gilt auch

Landwirte, die eine neue Maschine angeschafft haben, können aus den oben genannten Gründen mit einem Excel-Kalkulationsprogramm «Trac- toScope» (www.maschinenkosten.ch)

In einer Simulation konnte gezeigt werden, dass es mit Methoden des bestärkenden Lernens möglich ist, ein künstliches neuronales Netz so zu trainieren, dass die Regelung

Es seien S und S 0 zwei Mengen von jeweils m Samples unabh¨ angig gezogen aus der gleichen Verteilung. Ihr Beispiel sollte keine 4 Punkte enthalten, die affin abh¨

Geben Sie ein Beispiel im realisierbaren Fall an, in dem die Soft-SVM-L¨ osung eine Hypothese liefert, die nicht alle Datenpunkte

Sei die Gerade durch ihre Steigung a und Achsenabschnitt b

■ Für den Vollkaskoanteil an der Motor- fahrzeugversicherung eines jungen Erwachsenen (angefragt: 21 Jahre, Modell VW Golf GTI, Fahrausweis seit 2 Jahren, schon einmal gebüsst),