摘要：Xinwei: 写的通俗易懂，终于让我这个不搞CV、不搞图像的外行理解卷积和滤波了。 图像卷积与滤波的一些知识点 zouxy09@qq.com http://blog.csdn.net/zouxy09 之前在学习CNN的时候，有对卷积进行一些学习和整理，后来就烂尾了，现在稍微整理下，先放上来，以提醒 阅读全文

摘要：2013基于数据降维和压缩感知的图像哈希理论与方法唐振军广西师范大学 多元时间序列数据挖掘中的特征表示和相似性度量方法研究李海林华侨大学基于标签和多特征融合的图像语义空间学习技术研究管子玉西北大学非负矩阵分解中维数约减问题研究赵金熙南京大学58大数据环境下高维数据流挖掘算法及应用研究冯林大连理工大学面向高维信息的非线性维数约减问题研究高小方山西大学基于支持向量机的增量式强化学习技术及其应用研究伏玉琛苏州大学77面向复杂数据基于流形学习的非线性降维算法研究陈静广东工业大学高光谱图像分类的流形学习和非负矩阵分解特征降维研究温金环西北工业大学面向高维数据挖掘的非负矩阵分解关键问题研究景... 阅读全文

摘要：主要是顺着Bengio的PAMI review的文章找出来的。包括几本综述文章，将近100篇论文，各位山头们的Presentation。全部都可以在google上找到。BTW：由于我对视觉尤其是检测识别比较感兴趣，所以关于DL的应用主要都是跟Vision相关的。在其他方面比如语音或者NLP，很少或者几乎没有。个人非常看好CNN和Sparse Autoencoder，这个list也反映了我的偏好，仅供参考。Review Book List:[2009 Thesis] Learning Deep Generative Models.pdf[2009] Learning Deep Architect 阅读全文

摘要：Comments from Xinwei: 本文是从deeplearning网站上翻译的另一篇综述，主要简述了一些论文、算法已经工具箱。 深度学习是ML研究中的一个新的领域，它被引入到ML中使ML更接近于其原始的目标：AI。查看a brief introduction to Machine Learning for AI 和 an introduction to Deep Learning al... 阅读全文

摘要：Comments from Xinwei: 最近的一个课题发展到与深度学习有联系，因此在高老师的建议下，我仔细看了下深度学习的基本概念，这篇综述翻译自http://deeplearning.net，与大家分享，有翻译不妥之处，烦请各位指正。 查看最新论文 Yoshua Bengio, Learning Deep Architectures for AI, Foundations and Tre... 阅读全文

摘要：Comment from Xinwei: 最近在帮高老师review一片PRL的论文，看到ROC曲线，查了一下Stentor的大作，觉得解释的很不错，特此转载！分类模型尝试将各个实例（instance）划归到某个特定的类，而分类模型的结果一般是实数值，如逻辑回归，其结果是从0到1的实数值。这里就涉及到如何确定阈值（threshold value）,使得模型结果大于这个值，划为一类，小于这个值，划归... 阅读全文

摘要：今天接到高老师的email，投递到PAKDD2010的论文已经被作为Full Paper接收了，两年的努力，自我cong一下，感谢高老师不懈的耐心指导！ 阅读全文

摘要：据Cultofmac网站得到的消息，苹果平板电脑产品所使用的操作界面UI将具备快速学习功能，能够在短时间内自动“学习领会”用户惯用的操作模式，并根据用户的习惯来设置平板电脑的操作界面。 据该网站的一位读者透露：“我刚听说苹果平板电脑的UI界面具备一种特别的“快速学习”功能。我是从一位苹果员工那里得到这个消息的，他刚刚参加了一次苹果内部举办的介绍平板电脑新功能的会议。虽然他不愿意透露有关的产品细节，... 阅读全文

摘要：没搜到出处，看起来应该是某本书上的，总结的还不错. 2.4.1 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting等。 （1）决策树 决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼... 阅读全文

摘要：看过《终结者》电影的朋友肯定对施瓦辛格州长饰演的机器人记忆犹新，但是现实生活中的机器人可没那么智能，不过也有好消息，最近法国科学家就设计出了具备儿童思维能力的机器人。 这个机器人的名字叫iCub，高1米，有一双大大的眼睛，身体各部分是由错综复杂的电子线路组成。科学家们希望它能够学会应变周围的环境，进而调整自己的行为。 目前的欧洲实验室里有六版不同类型的iCub机器人，科学家们也在努力的给它们的“大... 阅读全文

摘要：Simultaneous dimension reduction and regression or supervised dimension reduction (SDR) MethodsOutline:29 July 2009KAI MAO, QIANG WU,FENG LIANG,SAYAN MUKHERJEE. Two models for Bayesian supervised dime... 阅读全文

摘要：zz from http://news.mydrivers.com/1/138/138813.htm IBM近日发布一款开源智能编译器Milepost GCC（GNU Compiler Collection），并宣称这也是全球首款开源的智能编译器，它可以自动学习如何最优化嵌入式程序并大幅缩短软件开发时间，所有用户都可到Milepost官方网站下载Milepost GCC。 根据IBM的初步测试，I... 阅读全文

摘要：Define: MLE: Maximum likelihood estimation LSE: Least-squares estimation SSE: Sum of squares error _______________________________ 周一刘老师讲PRML ch1，提出了一个问题：MLE是否可以等同于最小SSE？很有趣的问题，查了一下资料。 wikipedia上说：The... 阅读全文

摘要：最近Boss要求我们自己的试验平台要支持多个机器学习算法的方便的比较，于是决定仿照Weka的结构设计，这个任务就安排给咱了，没办法，看呗，上次看Weka还是一年前！Lesson 1zz from http://dreamhead.blogbus.com/logs/16813833.htmlWeka，是一个用Java编写的数据挖掘软件。数据挖掘，从字面上来看，它是一个从数据中找寻有用信息的过程，不过... 阅读全文

摘要：我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类： 首先是两个非常棒的 Wikipedia 条目，我也算是 wikipedia 的重度用户了，学习一门东西的时... 阅读全文

摘要：paper毕竟是死的, 写paper的人才是活的. 那么我现在研究一下cv圈的格局, 按师承关系, 借鉴前人, 我总结a tree stucture of cv guys.David Marr----->Shimon Ullman (Weizmann) ----->Eric Grimson (MIT) ----->Daniel Huttenlocher (Cornell) ... 阅读全文

摘要：转自http://blog.csdn.net/flyingflame/archive/2007/07/27/1712509.aspx 1.台湾一人（可能是张智星）的混合高斯模型基础的pfd文档： http://neural.cs.nthu.edu.tw/jang/books/dcpr/doc/08gmm.pdf 2.Kostas N. Kyriakoulis等人编写的GMM　toolbox f... 阅读全文

摘要：总是听到这两个术语，但是又一直不清楚它们最本质的区别。今天花了一小点时间来彻底的弄清楚了。得到的结论如下：Discriminative Model是判别模型，又可以称为条件模型，或条件概率模型。Generative Model是生成模型，又叫产生式模型。二者的本质区别是discriminative model 估计的是条件概率分布(conditional distribution)p(class|... 阅读全文

摘要：[www.csie.ntu.edu.tw/~cjlin/libsvm / *LibSVM*] [http://www.cs.waikato.ac.nz/ml/weka/ *Weka*] [http://yale.sf.net/ *Yale*] [http://www.prtools.org/* PRTools*] [http://bnt.sourceforge.net/ *Bayes Net T... 阅读全文

摘要：1、支持向量机导论，此书乃是SVM方面的经典著作， 该书的作者也是近年来SVM、kernel methods学术圈内的活跃学者，对于这些领域均有过重要的贡献。这本书从“线性机器、核方法、统计学习理论、凸优化”四个方面揭示了SVM的内在机理 --利用核使得能够使用线性的的方法发现数据中的非线性关系，并且利用统计学习理论保证学习机器的泛化性能。这些SVM的内在机理并没有发生重大的改变。 ... 阅读全文