パターン認識

36問 • 2024-04-15
yhujikolp qawsedrftg
通報

問題

入力パターンに最も近いk個のプロトタイプをとり,その中で最も多数を占めたクラスを識別結果として出力する方法

解答

問題

最近傍のプロトタイプが属するクラスを識別結果とする方法

解答

問題

距離(例えばユークリッド距離)が最も小さいプロトタイプ

解答

問題

ノイズ除去 (雑音,印刷物の汚れ, 等を取り除く) 正規化 (認識部分を取り出し,大きさを揃える

  • 特徴抽出

  • 拡張重みベクトル

  • 前処理

  • 特徴ベクトル

  • わからない

問題

膨大な情報を持つ原パターンから識別に必要な本質的 な特徴のみを抽出する

  • 固定増分法

  • 特徴抽出

  • プロトタイプ

  • 評価パターン

  • わからない

問題

入力パターンを複数のクラスのうちの一つに対応させ る。

  • 重みベクトルの初期値を適当に設定する

  • X の中から学習パターンを一つ選ぶ

  • 識別

  • 重み係数

  • わからない

問題

それぞれのクラスの特徴を記憶し,識別に利用する。

  • k-NN法

  • パーセプトロンの収束定理

  • 識別辞書

  • 量子化

  • わからない

問題

文字認識の場合 -文字線の傾き,幅,曲率,面積,ループの数など 顔認識の場合 -顔の要素(目,鼻,口などの特徴的な点の位置)

  • 線形識別関数

  • 識別関数法

  • 特徴ベクトル

  • 解領域

  • わからない

問題

特徴ベクトルによって張られる空間

  • 特徴ベクトル

  • 特徴空間

  • 重み係数

  • 最近傍決定則

  • わからない

問題

濃度値を有限個のレベルに制限 

  • 識別関数によって識別を行い,正しく識別できなかった場合のみ次のように重みベクトルを修正し,新しい重みベクトルを作る

  • 識別辞書

  • 量子化

  • 拡張重みベクトル

  • わからない

パターン認識

暗記メーカー

得点

0 / 10

正答率

0%

正解: 0

不正解: 0

未解答: 10

 
ankimaker.com

問題一覧

  • 1

    入力パターンに最も近いk個のプロトタイプをとり,その中で最も多数を占めたクラスを識別結果として出力する方法

    k-NN法

  • 2

    最近傍のプロトタイプが属するクラスを識別結果とする方法

    最近傍決定則

  • 3

    距離(例えばユークリッド距離)が最も小さいプロトタイプ

    最近傍

  • 4

    ノイズ除去 (雑音,印刷物の汚れ, 等を取り除く) 正規化 (認識部分を取り出し,大きさを揃える

    前処理

  • 5

    膨大な情報を持つ原パターンから識別に必要な本質的 な特徴のみを抽出する

    特徴抽出

  • 6

    入力パターンを複数のクラスのうちの一つに対応させ る。

    識別

  • 7

    それぞれのクラスの特徴を記憶し,識別に利用する。

    識別辞書

  • 8

    文字認識の場合 -文字線の傾き,幅,曲率,面積,ループの数など 顔認識の場合 -顔の要素(目,鼻,口などの特徴的な点の位置)

    特徴ベクトル

  • 9

    特徴ベクトルによって張られる空間

    特徴空間

  • 10

    濃度値を有限個のレベルに制限 

    量子化

  • 11

    メッシュ状に区切ってある濃度値で代表

    標本化

  • 12

    すべての可能性を網羅する代わりに,代表的なパ ターンのみを記憶する方法

    プロトタイプ

  • 13

    プロトタイプの作成など,パターン認識システムを作成する ために (パターン認識を行うために) 与えられるパターン

    学習パターン

  • 14

    クラスごとに,収集した全パターンをプロトタイプとする

    全数記憶方式

  • 15

    クラスを分離する境界

    決定境界

  • 16

    識別部設計用に収集されたパターンを正しく識別で きるようなクラス間分離面を見出すための処理

    学習

  • 17

    学習に用いるパターン

    学習パターン

  • 18

    これに対して未知の入力で学習結果を評価するとき のパターン

    評価パターン

  • 19

    各クラスにそれぞれ関数の値によってパターン x の属するクラスを判定する方法

    識別関数法

  • 20

    識別関数法に用いられる関数

    識別関数

  • 21

    識別関数法に用いられる関数で線形な識別な識別関数の場合

    線形識別関数

  • 22

    線形識別関数のw0とかw1

    重み係数

  • 23

    線形識別関数をベクトル表記したときのw

    重みベクトル

  • 24

    線形識別関数のg(x)=wxのときw

    拡張重みベクトル

  • 25

    線形識別関数のg(x)=wxのときx

    拡張特徴ベクトル

  • 26

    線形和と最大値選択 からなる認識系

    パーセプトロン

  • 27

    学習パターン全体を集合 X で表し,クラス に属 する学習パターンの集合を で表し たときすべての x に対して g ( x) >g ( x)が成り立つwが少な くとも1組存在すること

    線形分離可能

  • 28

    重みベクトル w が張る(d + 1)次元の空間

    重み空間

  • 29

    g(x)=wx>0 g(x)=wx<0 の式を満たす w の存在する領域 

    解領域

  • 30

    パーセプトロンの学習規 則

    重みベクトルの初期値を適当に設定する, X の中から学習パターンを一つ選ぶ, 識別関数によって識別を行い,正しく識別できなかった場合のみ次のように重みベクトルを修正し,新しい重みベクトルを作る, X の全パターンを正しく識別できたら終了

  • 31

    X が線形分離可能ならば,パーセプトロンの学習規則は有限回の繰り返しで,解領域の重みベクトルに 到達する。

    パーセプトロンの収束定理

  • 32

    学習係数として固定の値を使う方法 

    固定増分法

  • 33

     識別関数の望ましい出力値 

    教師信号

  • 34

    教師信号のベクトル

    教師ベクトル

  • 35

    w'=w-p(wTx-b)x

    Widrow-Hoff の学習規則

  • 36

    「線形加重和+しきい値処理」の処理単位

    しきい値論理ユニット