返回信息流本学期的《神经计算》将覆盖机器学习领域中的大部分主题。具体地，Topics can be divided into three categories:
1) the classical topics of neural networks (e.g., Perceptron, Multi-layer Perceptron, Regularized Networks, and Self-Organization Map, and Deep Networks);
2) a series of statistical learning theories (e.g., the classical error analysis via bias-variance decomposition, Vapnik’s statistical learning theory and VC-dimension, regularization theory);
3) the related learning machines/algorithms (e.g., bagging, boosting/AdaBoost, Mixture of Experts, Decision Tree, Support Vector Machine, Kernel Methods, and Kernel Machine, Regularization networks), and other active topics in recent machine learning community (e.g., Manifold Learning, Subspace Clustering, Compressed Sensing, Sparse Representation, Low-Rank model, Matrix Completion and Sensing).
课程内容安排若干个专题：
专题 0: 课程介绍\概述(发展简史)
专题 1: 基于实例的学习 (NN \ k-NN \ Pazen窗 \ 理论渊源 \ VOC \ BoW)
专题 2: 线性模型 (感知器 \ 线性分类 \ 线性回归 \ 及理论渊源)
专题 3: 线性模型的扩展 (MLP \ Kernel Methods)
专题 4: 学习过程的统计性质 (BV分解理论\模型组合)
专题 5: 统计学习理论 (VC维 \ 一致收敛速度 \SRM\ SVM)
专题 6: 正则化理论 (Tikhonov正则化理论\ 正则化网络\ Kernel方法)
专题 7: 无监督学习与半监督学习 (SOM \k-means \ PCA \ Manifolds \ 谱聚类 \ EM \ GMM)
专题 8: 压缩感知与稀疏表示 (CS理论\ Sparse Coding \ SRC \ SSC \ LRR \ RPCA \ MC \ 及优化问题求解)
专题 9: 深度学习 (RBM \ Autoencoder Networks \MLP)
专题 10: 在线学习 (?)
图说神经计算2015:
http://pan.baidu.com/s/1mguZk4S
欢迎对机器学习感兴趣且具有一定基础的同学旁听。
本学期课程的课件可以陆续在我的主页上下载：http://www.pris.net.cn/teacher/lichunguang
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #15262同步于 2015/3/4
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
机器学习类主干课程开课! [2016年3月1日起周2上午3-4节教三117]
LCG444
2015/3/4镜像同步53 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复