pr + 1 then 8: St+1 := [(p1, a1), · · · , (pr, ar + 1)] 9: else 10: St+1 := [(p1, a1), · · · , (pr, ar), (t + 1, 1)] 11: else 12: St+1 := St 13: i := r 14: while i > 1 do 15: if ai t−pi+1 ≤ ai+ai−1 t−pi−1+1 [...] and Sm be 〈Im 1 . . . Im nm 〉. The concatenation of the streams S1, . . . , Sm, denoted S1 · S2 · . . . · Sm, is 〈 I1 1 . . . I1 n1 I2 1 . . . I2 n2 . . . Im 1 . . . Im nm 〉 . Let S = 〈I1 I2 . . . In〉. [...] equal to r. Property 1 Let St be a stream and summary(St) = [(p1, a1), . . . , (pr, ar)]. Then, a1 p2 − p1 < a2 p3 − p2 < . . . < ar−1 pr − pr−1 < ar t − pr + 1 and freq(A, St[p1, t]) < freq(A, St[p2, …

stationary point of the Rosenbrock function1. We’ve shown that (1, 1)T is a unique minimizer, in homework 2. Try two starting points, (1.2, 1.2)T and (−1.2, 1)T , for two different choices of search directions [...] Algorithm 1: Backtracking Linesearch Input: xk, f , ∇f , α0 > 0, ρ ∈ (0, 1), c1 ∈ (0, 1), and max.ls.iter > 0; α← α0; ls.iter ← 0; while ls.iter < max.ls.iter do if f(xk + αpk) ≤ f(xk) + c1α∇f(xk) T pk [...] > 0 such that κ(Hk) = ‖Hk‖2‖H−1 k ‖2 ≤M ∀k. Show in this case the Newton direction pNk = −H−1 k ∇f(xk) satisfies that cos θk = −∇f(xk) T pNk ‖∇f(xk)‖2‖pNk ‖2 ∈ [ 1 M , 1 ] . 3.[15] (Backtracking Linesearch) …

lmes 2010 | 21 / 1 / 1 | Angenommen | ^ 30.03.2010 | 128.1 | | Der FSR erstattet Robert Niehage 16,50€ für weiteres Büroumbau-Zubehör | 20 / 1 / 1 | Angenommen | ^ 16.03.2010 | 127.1 | | Der FSR erstattet [...] ckel | 19 / 1 / 0 | Angenommen | ^ 24.11.2009 | 116.1 | | Der FSR stellt Mark Brockmann 1.600,-€ für den Kauf neuer T-Shirts zur Verfügung. | 14 / 1 / 1 | Angenommen | ^ 10.11.2009 | 114.1 | | Der FSR [...] | 8 / 1 / 3 | Angenommen | ^ 17.02.2009 | 86.1 | | Der Film "Das Phantom der Fachschaft" ist ein offizielles Projekt 86.1 der Fachschaft Informatik. | 13 / 1 / 1 | Angenommen | ^ 27.01.2009 | 84.1 | | Der …

Microsoft PowerPoint - Datenbanken2.ppt

modulo C – C=6 ergibt 2, 5, 0, 1, 4 perfekt, M=B (1 Element) – C=4 ergibt 0, 1, 0, 3, 2 B=4 (1,25 Elemente) – C=5 ergibt 1, 3, 1, 3, 1 B=2 (2,5 Elemente) • B Adressen mit (1/B) M Elementen Universität Dortmund [...] 6-2p1-2p24+6p14+6p22+8p1+8p2Durchschnitt 6442I 441010Q2 410410Q1 Beide Indizes Index auf titel Index auf name Kein Index Sei p1 der Bruchteil der Zeit, in dem Q1 bearbeitet wird (z.B. : bei 10% Q1-Anfragen [...] Q1-Anfragen ist p1=0,1) p2 der für Q2, so ist der Bruchteil von I: 1-p1-p2. Je nach tatsächlicher Häufigkeit sind unterschiedliche Indizes günstig. Universität Dortmund Tupel eines Schemas CREATE TABLE MovieStar( …

Algorithms for HMM – Lecture Notes

compute \(P(y^{(1)},\ldots,y^{(T)} )\) using \[P(x^{(1)},\ldots,x^{(T)}, y^{(1)},\ldots,y^{(T)} ) = \prod\nolimits_{i=1}^T P(x^{(i)} \vert y^{(i)} ) \prod\nolimits_{i=1}^T P(y^{(i)} \vert y^{(i-1)} )\] The answer [...] \(\alpha_{1i}\) \(= P(x^{(1)}, y_i) = b_{x^{(1)}i} \pi_i\) Induction for each \(i\) : \(\alpha_{ti}\) \(= P(x^{(1\ldots t)}, y_i) = P(x^{(t)} \vert y_i) \sum\nolimits_j P(y_i\vert y_j) P(x^{(1\ldots t-1)}, y_j)\) [...] m_{ij}}\alpha_{ti}a_{ij}\beta_{(t+1)j} b_{x^{(t+1)} j}}{\sum_{ij}\alpha_{ti}a_{ji}\beta_{(t+1)j} b_{x^{(t+1)} j}} \propto \alpha_{ti}a_{ij}\beta_{(t+1) j} b_{x^{(t+1)} j}\] Maximize by updating the values …

Algorithms for HMM – Lecture Notes

compute \(P(y^{(1)},\ldots,y^{(T)} )\) using \[P(x^{(1)},\ldots,x^{(T)}, y^{(1)},\ldots,y^{(T)} ) = \prod\nolimits_{i=1}^T P(x^{(i)} \vert y^{(i)} ) \prod\nolimits_{i=1}^T P(y^{(i)} \vert y^{(i-1)} )\] The answer [...] \(\alpha_{1i}\) \(= P(x^{(1)}, y_i) = b_{x^{(1)}i} \pi_i\) Induction for each \(i\) : \(\alpha_{ti}\) \(= P(x^{(1\ldots t)}, y_i) = P(x^{(t)} \vert y_i) \sum\nolimits_j P(y_i\vert y_j) P(x^{(1\ldots t-1)}, y_j)\) [...] m_{ij}}\alpha_{ti}a_{ij}\beta_{(t+1)j} b_{x^{(t+1)} j}}{\sum_{ij}\alpha_{ti}a_{ji}\beta_{(t+1)j} b_{x^{(t+1)} j}} \propto \alpha_{ti}a_{ij}\beta_{(t+1) j} b_{x^{(t+1)} j}\] Maximize by updating the values …

Tight Optimistic Estimates for Fast Subgroup Discovery - von Henrik Grosskreutz, Stefan Rüping und S

Abschätzungen Definition oed p oed p (p, n, p0,N) := ∑ j=1,d+1,2d+1,... (maxm′j ,...,m ′ j+d−1|m ′ j∈{0,npj} (max {∑j+d−1 i=j φi (m ′ −, p0,N), ∑j+d−1 i=j φi (m ′ +, p0,N) } )) • Idee: Nur d < c verschiedene [...] Algorithmus Quellen Terminologie 1/2 • Datenbank DB = {R1, ..,RN} • Reihe Rj ist n-Tupel (vj ,1, ..vj ,l , cj) • Klasse c ∈ {c1, ..., cm} • Subgruppenbeschreibung sd = {t1, ..., tk} • Term ti hat die Form [...] χ2 oe∗q(p1, ..., pc , n, p0,N) := maxm′1,...,m ′ c |m′i∈{0,npi} { q((m′1, ...,m ′ c)T , p0,N) } • Enge OA für beliebige Qualitätsfunktion q: maxm′1,...,m ′ c |∀i :m′i∈N+∧0≤m′i≤npi { q((m′1, ...,m ′ c)T …

"x1" "x2" "y" "1" 1 2 "1" "2" 2 5 "1" "3" 4 1 "1" "4" 3 6 "-1" "5" 5 3 "-1" "6" 6 4 "-1" …

werden. Aufgabe 1 5 Punkte Implementieren Sie folgenden Algorithmus A(X, r, ε), der zu einer Menge von Punk- ten X = {x1, . . . , xN}, mit ∀i : xi ∈ Rd (Euklidischer Vektorraum), eine (1 + ε)- Approximation [...] des Balls liegt (‖ct − xt‖2 > (1 + ε)r). 5. Es wurde kein Punkt gefunden ⇒ STOPP 6. Es wurde ein Punkt xt gefunden ⇒ Verschiebe ct−1 solange auf der Strecke zwischen ct−1 und xt, dass xt auf dem Rand des [...] angepasst werden: 1. Normieren Sie die Punkte: x′i = xi ‖xi‖ ,∀xi ∈ X 2. Erweitern Sie die Punkte x′i zu x ∗ i =  x′i yi 1√ C ei  ,∀xi ∈ X ′ Wiederholen Sie die Experimente aus Aufgabe 1 und verwenden …