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