机器学习及其应用

稀疏学习在多任务学习中的应用 龚平华 张长水

1引言

2鲁棒多任务特征学习

3多阶段多任务特征学习

4结语

参考文献

众包数据标注中的隐类别分析 田 天 朱 军

1引言

2众包标注问题

3标注整合的几种基本模型

3.1多数投票模型

3.2混淆矩阵模型

4众包标注中的隐类别结构

5隐类别估计

6实验表现

7结语

参考文献

演化优化的理论研究进展俞扬

1引言

2演化优化算法

3演化优化的理论发展

4运行时间分析方法

5逼近性能分析

6算法参数分析

7结语

参考文献

基于贝叶斯卷积网络的深度学习算法 陈渤

1引言

2多层稀疏因子分析

2.1单层模型

2.2抽取和最大池化

2.3模型特征和可视化

3层次化贝叶斯分析

3.1层级结构

3.2计算

3.3贝叶斯输出的应用

3.4与之前模型的相关性

4推理中发掘卷积

4.1Gibbs采样

4.2VB推理

4.3在线VB

5实验结果

5.1参数设定

5.2合成数据以及MNIST数据

5.3Caltech 101 数据分析

5.4每层的激活情况

5.5稀疏性

5.6对于Caltech 101的分类

5.7在线VB和梵·高油画分析

6结语

参考文献

半监督支持向量机学习方法的研究 李宇峰 周志华

1引言

2半监督支持向量机简介

3半监督支持向量机学习方法

3.1多： 用于多训练示例的大规模半监督支持向量机

3.2快： 用于提升学习效率的快速半监督支持向量机

3.3好： 用于提供性能保障的安全半监督支持向量机

3.4省： 用于代价抑制的代价敏感半监督支持向量机

4结语

参考文献

差分隐私保护的机器学习 王立威 郑凯

1引言

2相关定义及性质

3常用机制

4针对光滑查询的隐私保护机制

5实验结果

6结语

参考文献

学习无参考型图像质量评价方法研究 高新波 何立火

1引言

2基于特征表示的图像质量评价方法

2.1基于特征降维的无参考型图像质量评价方法

2.2基于图像块学习的无参考型图像质量评价方法

2.3基于稀疏表示的无参考型图像质量评价方法

3基于回归分析的图像质量评价方法

3.1基于支撑矢量回归的无参考型图像质量评价方法

3.2基于神经网络的无参考型图像质量评价方法

3.3基于多核学习的无参考型图像质量评价方法

4基于贝叶斯推理的图像质量评价方法

4.1简单概率模型图像质量评价方法

4.2基于主题概率模型的图像质量评价方法

4.3基于深度学习的图像质量评价方法

5实验结果

6结语

参考文献

图像语义分割 薛向阳

1引言

2无监督图像区域分割

3全监督语义分割方法

3.1基于多尺度分割的语义分割方法

3.2基于多特征融合的语义分割方法

3.3基于深度网络的语义分割方法

4弱监督语义分割方法

4.1带Bounding Box训练图像数据

4.2有精确图像层标签的训练图像数据

4.3带噪声标签的训练图像数据

5面向语义图像分割的常用数据集

6不同监督条件下state of the art方法对比

7结语

参考文献

机器学习在多模态脑图像分析中的应用 张道强 程波 接标 刘明霞

1引言

2流形正则化多任务特征学习

3多模态流形正则化迁移学习

4视图中心化的多图谱分类

5实验结果

5.1流形正则化多任务特征学习

5.2多模态流形正则化迁移学习

5.3视图中心化的多图谱分类

6结语

参考文献

寒武纪神经网络计算机 陈天石 陈云霁

1人工神经网络

2曾经的失败

2.1算法： SVM的崛起

2.2应用： 认知任务被忽略

2.3工艺：通用处理器享受摩尔定律红利

3神经网络计算机的涅槃

3.1算法： 深度学习的有效训练算法

3.2应用： 认知任务的普遍化

3.3工艺： 暗硅时代的到来

3.4第二代神经网络的兴起

4主要挑战

5寒武纪神经网络（机器学习）处理器

5.1DianNao

5.2DaDianNao

5.3PuDianNao

6未来工作

参考文献

本书是对第十一届和十二届中国机器学习及其应用研讨会的一个总结，共邀请了会议中的10位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究进展。全书共分10章，内容分别涉及稀疏学习、众包数据中的隐类别分析、演化优化、深度学习、半监督支持向量机、差分隐私保护等技术，以及机器学习在图像质量评价、图像语义分割、多模态图像分析等方面的应用，此外，还介绍了新硬件寒武纪神经网络计算机的研究进展。本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。