机器学习及其应用2015

稀疏学习在多任务学习中的应用

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

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

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

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

4.1 Gibbs采样

4.2 VB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

5.3 Caltech 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

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

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

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

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

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

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

5.1 DianNao

5.2 DaDianNao

5.3 PuDianNao

6 未来工作

参考文献