返回信息流时间：周五下午7-8节（15：30-17：20）
地点：教2-303室 [容纳35人]
神经计算在授课过程将以经典神经网络内容为线索，重点讲授与神经网络有着各种关联的常用学习算法、相关学习理论，相关研究成果等。
欢迎对神经网络(Neural Networks)等学习机器(Learning Machines)及其理论感兴趣的同学(具有较好数学基础的大二以上本科生和研究生)旁听。
课件及反馈意见邮箱：NeuroComput.bupt@gmail.com [ema14]
授课内容设置如下：
专题0 引论与神经生物学基础 4课时
专题1 基本概念与基本理论（包括无约束优化理论串讲） 6课时
专题2 感知器、MLP与SVM 4课时
包括感知器、adaline，SVM，MLP及BP算法；并给出简单的统计学习理论解释。最后简单联系到Gaussian Process。
专题3 学习过程的统计性质和统计学习理论简介 4课时
误差分解、经验风险最小化原则、VC维、一致收敛速度的界、结构风险最小化理论及其应用。最后联系到SVM设计，并由此扩展到kernel方法。
专题4 正则化网络与正则化理论 6课时
从经典的Tikhonov正则化理论联系到统计学习理论、贝叶斯方法；最后联系到Kernel方法。
专题5 无监督学习——从自组织映射到流形学习 8课时
主成分分析PCA的几何透视及局限分析、MDS；SOM，LVQ，推广到流形学习(ISOMAP,LLE,Laplacian Eigenmap)、以及谱聚类技术
专题6 模型组合——4课时
贝叶斯模型平均、提升树（Boost, Adaboost）、混合专家等
以上内容为36学时；
课时允许，可以增加的专题有：
专题7 核方法与高斯过程(Gaussian Processing) 4课时
介绍kernel 方法的更广泛的基础，最后联系到GP
如果再增加一个学期课程，可以增加后续学习部分：
专题8 混合模型和EM算法 4课时
专题9 隐变量模型 4课时
专题10 图模型 4+x？课时
专题11 近似推理与采样方法 5+x？课时
附件(199.4KB) Ch0_Introduction_to_NC.pdf[ema14][ema14][ema14]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #6224同步于 2010/3/4
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
神经计算(Neural Computation)开课简介
LCG444
2010/3/4镜像同步2 回复
订阅后，新回复会通过你的通知中心匿名送达。