КАФЕДРА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ И ОБРАБОТКИ

Федеральное государственное автономное образовательное учреждение
высшего профессионального образования
«МОСКОВСКИЙ ФИЗИКО-ТЕХНИЧЕСКИЙ ИНСТИТУТ
(государственный университет)»
УТВЕРЖДАЮ
Проректор по учебной работе
_______________О.А.Горшков
«____»______________ 2014 г.
ФАКУЛЬТЕТ ИННОВАЦИЙ И ВЫСОКИХ ТЕХНОЛОГИЙ
КАФЕДРА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ И ОБРАБОТКИ ТЕКСТА
ПРОГРАММА
вступительных испытаний поступающих на обучение по программам
подготовки научно-педагогических кадров в аспирантуре
по специальной дисциплине
НАПРАВЛЕНИЕ ПОДГОТОВКИ: 02.06.01 КОМПЬЮТЕРНЫЕ И ИНФОРМАЦИОННЫЕ
НАУКИ
НАПРАВЛЕННОСТЬ: 01.01.09 Дискретная математика и математическая кибернетика
Форма проведения вступительных испытаний.
Вступительные испытания проводятся в устной форме. Для подготовки ответов
поступающий использует экзаменационные листы.
ЗАВ.КАФЕДРОЙ
(подпись)
“
“
2014 года.
(фамилия)
Интеллектуальные системы
1. Декларативное представление знаний: фреймы, семантические сети, онтологии.
Процедурное представление знаний: продукционная система
2. Эвристические методы поиска: пространство состояний, жадный поиск, A*, лучевой
поиск
3. Эвристические методы поиска: градиентный спуск, имитация отжига, генетические
алгоритмы
4. Инженерия знаний: работа с экспертами, отладка базы знаний.
5. Машинное обучение: обучающая и тестовая выборка, переобучение, байесовские и
оптимизационные методы.
Моделирование поведения, восприятия и мышления
1. Перспективы моделирования мышления
2. Модель целостного целенаправленного восприятия.
3. Моделирование поведения, восприятия и мышления: Виды мышления и их
характеристика.
4. Моделирование поведения, восприятия и мышления: Модель целенаправленного
поведения.
5. Моделирование поведения, восприятия и мышления: Нейронные модели
механизмов мозга.
Архитектура ПО
1. Разработка архитектуры программного обеспечения: Классы и интерфейсы в
объектно-ориентированном программировании.
2. Разработка архитектуры программного обеспечения: Проектирование классов:
наследование и агрегация, обобщенное программирование.
3. Разработка архитектуры программного обеспечения: Паттерны проектирования
классов. Паттерны Factory, Singleton, Wrapper и Adapter.
Распознавание и обработка изображений
1. Различные способы представления цвета на изображении. Аффинные
преобразования. Математическая морфология. Интерполяция.
2. Выделение границ на изображении. Операторы Прюитт, Робертса, Собеля.
Алгоритм Кэнни. Бинаризация. Методы Отсу, Ниблака, Саувола.
3. Представление контура объекта. Полигональная аппроксимация границы объекта.
Дискретный и непрерывный скелет объекта.
4. Шум на изображении. Частотные фильтры. Преобразование Фурье. Теорема о
свертке, ее использование для фильтрации изображений.
5. Вейвлеты. Переход от непрерывного к дискретному вейвлету. Каскадный алгоритм
построения вейвлета. Использование вейвлетов.
Разработка и управление требованиями к ПО
1. Область проблем и область решений. Уровни требований. Типы требований.
2. Этапы проведения исследований. Типы и методы исследований.
3. Идентификация персонажей и пользовательских сценариев.
4. Составляющие процесса анализа требований. Классификация требований FURPS+.
5. Моделирование функциональных требований с использованием Use Cases.
6. Составляющие процесса управления требованиями.
Машинное обучение
1. Машина опорных векторов. Существование и единственность решений.
Нелинейное обобщение
2. Статистический подход к обучению, средний и эмпирический риск. Байесовское
оптимальное решение. Настройка параметров распознавателей, перекрестный и
скользящий контроль. Переобучение.
3. Бустинг, алгоритм AdaBoost
4. Линейные классификаторы со штрафными функциями, постановка задачи.
Варианты линейных классификаторов
5. Вероятностные линейные классификаторы. Линейный дискриминант Фишера.
Логистическая регрессия
Проектирование и анализ алгоритмов
1. Определение O(f(x)). Специфика O(…) для оценок алгоритмов. O(…) и скрытые
константы. Методы оценки асимптотической сложности алгоритмов.
2. Алгоритмы сортировки. Понятие о методе разделяй и властвуй. Быстрая сортировка
и анализ ее сложности в худшем случае и среднем. Сортировка слияниями. Бинарная
куча. Сортировка с помощью бинарной кучи. Цифровая сортировка.
3. Бинарные деревья поиска. Бинарное дерево поиска. Операции поиска, добавления и
удаления. Декартовы деревья. Единственность декартова дерева для заданного набора
различных ключей и приоритетов. Операции вставки и удаления элементов для
Декартовых деревьев.
4. Поиск кратчайших путей. Поиск в ширину. Поиск в ширину для случая 0-1 весов
(Алгоритм Дайла). Алгоритм Дейкстры. Анализ сложности алгоритма Дейкстры.
Алгоритм Форда-Беллмана. Алгоритм Флойда. Системы потенциалов в задаче о
кратчайших путях. Алгоритм Джонсона.
5. Задача поиска подстрок в строке. Алгоритм Кнута-Морриса-Пратта. Z-алгоритм.
Алгоритм Ахо--Корасика.
Статистический анализ данных
1. Базовые понятия математической статистики: статистическая гипотеза, статистика
критерия, фактический уровень значимости. Критерии согласия: проверка
равномерности, показательности, нормальности.
2. Модели и методы проверки однородности выборок. Однофакторная и
двухфакторная модели дисперсионного анализа. Критерии для упорядоченных
альтернатив. Критерий хи-квадрат.
3. Алгоритмы кластер-анализа: кратчайший незамкнутый путь, метод k-средних,
алгоритм «Форель». Иерархические процедуры. Дендрограммы.
4. Коэффициенты корреляции Пирсона и Спирмена. Метод главных компонент.
Доверительный эллипсоид. Частная корреляция.
5. Линейная регрессионная модель. Методы исследования регрессионных остатков.
Процедура пошаговой регрессии.
Литература
1.
Рассел, Норвиг, Искусственный интелект: современный подход.
2.
Саймон Хайкин, Нейронные сети: полный курс.
3.
Хасти, Тибширани, Фридман, Элементы статистического обучения.
4.
Бишоп, Распознавание образов и машинное обучение
5.
Шамис, Пути моделирования мышления
6.
Кормен, Лейзерсон, Ривест, Штайн, Алгоритмы: построение и анализ
7.
Лагутин, Наглядная математическая статистика