机械上及其应用2013, 机器学习及其应用2015

机上及其使用2013  

内容简介

    书籍
    计算机书籍
机械上是电脑对和人造智能中好重大之一个切磋世界。近年来,机器上不仅在计算机科学的重重领域被大显身手,还变成一部分交叉学科的根本支持技术。本书邀请国内外有关领域的大家编写,以综合的样式分别介绍机器上不同分支和有关领域的研究进展。全书共划分8段,内容分别涉嫌稀疏话题表示学习、基于为量场的流形学习与排序、秩极小化、实值多变量维数约简等技术,知识挖掘和用户建模、异质人脸图像合成等下,以及对多视图在行使非标记数据上着之效果、面向高维多视图数据的广义相关分析的追。
《机器上及其应用2013》可供应高校、科研院所计算机、自动化和连锁专业的师生、科技工作者以及相关企业之工程技术人员看参考。 

目录

《机器上及其使用2013》 
Learning Sparse Topical RepresentationsJun ZhuAonan ZhangEric P. Xing 
1 Introduction 
2 Related Work 
2.1Probabilistic LDA 
2.2Non-negative Matrix Factorization 
3 Sparse Topical Coding 
3.1A Probabilistic Generative Process 
3.2STC for MAP Estimation 
3.3Optimization with Coordinate Descent 
4 Extensions 
4.1Collapsed STC 
4.2Supervised Sparse Topical Coding 
5 Experiments 
5.1Sparse Word Code 
5.2Prediction Accuracy 
5.3Time Efficiency 
6 Conclusion 
References 
多视图于采用非标记数据上中的职能王魏 周志华 

1引言 
2基本上视图在半监控上中的功效 
3几近视图在积极学习中的效力 
4多视图在积极半监察上中之成效 
5观图分割 
6结束语 
参考文献 
文化挖掘与用户建模王海峰 赵世奇 向伟 徐倩 田浩 吴甜 
1引言 
2术综述 
3本体知识体系构建 
3.1文化挖掘 
3.2文化加工 
3.3语义计算 
3.4试行结果 
3.5因本体知识之急需主题体系构建 
4跨产品用户日志挖掘 
4.1术框架 
4.2跳产品用户数量session分割 
4.3过产品用户数量关注点挖掘 
5用户建模 
5.1用户属性建模 
5.2用户兴趣建模 
5.3用户状态建模 
5.4大抵维度用户作为分析范 
5.5用户兴趣模型的地域性关联分析 
6结语 
参考文献 
异质人脸图慷合成高新波 王楠楠 
1引言 
2基于子空间上的图像合成方法 
2.1因线性子空间上的章程 
2.2冲流形学习的方 
3根据贝叶斯推理的合成方法 
3.1因嵌人式隐马尔科夫模型的计 
3.2冲马尔科夫以机场的措施 
4基于人脸幻像思想的合成方法 
5试结果 
6结束语 
参考文献 
面向高维多视图数据的广义相关分析陈晓红 陈松灿 
1引言 
1.1大抵视图数据 
1.2数码降维的含义以及措施 
2根据相关分析的降维方法所面临的题材和解决方案 
2.1忽视多视图数据的监察信息 
2.2求不同视图间的多少全配对 
2.3现有解决方案 
3咱们的研讨工作 
3.1半放对一些相关分析 
3.2半督察半配对广义相关分析 
3.3邻域相关分析 
4小结 
参考文献 
冲为量场的流形学习及排序何晓飞 
1引言 
2平望量场和线性函数 
2.1流形上半监理上问题 
2.2平望量场和线性函数 
2.3对象函数 
3离开散化和优化 
3.1绝空间以及向量场离散化 
3.2梯度场计算 
3.3平望量场计算 
3.4离散形式的靶子函数 
3.5靶函数优化 
4冲平行于量场正则化的排序 
4.1往量场正则化 
4.2 R1与R2的离散化 
4.3对象函数离散化 
4.4目标函数优化 
4.5实验 
5尾声与展望 
参考文献 
秩极小化:理论、算法和行使林宙辰 
1引言 
2重中之重数学模型 
3答辩分析 
4算法 
4.1加快近邻梯度法及其推广 
4.2纵横方向法及其线性化 
4.3奇异异值分解的计算 
5应用 
5.1背景建模 
5.2图像批量针对齐 
5.3变更换不转移低秩纹理 
5.4倒分割 
5.5图像分割 
5.6图像显著区域检测 
6结束语 
参考文献 
实值多变量维数约简单洪明 张军平 夏威 
1引言 
2实值多变量维数约简 
2.1片逆回归法 
2.2切开逆回归的拓宽 
2.3主Hessian方向 
2.4子空间简介 
2.5疏散充分维数约简 
2.6复核维数约简 
2.7绝小平方维数约简 
3培训形结构的核维数约简 
3.1动机 
3.2树形算法的介绍 
3.3(残差)树形核维数约简 
3.4试行部分 
3.5结论 
4核维数约简在人流计数中之应用 
4.1查处维数约简 
4.2大抵审结学习 
5结论 
参考文献 

 

 

 

 

机器上及其使用2015

  • 作者: 高新波、张军平   
  • 丛书名: 中国计算机学会学术著作丛书——知识是系列
  • 出版社:清华大学出版社
  • ISBN:9787302406594
  • 上架时间:2015-10-16
  • 出版日期:2015 年10月
  • 开本:16开
  • 页码:228
  • 版次:1-1
  • 所属分类:

    计算机 > 人为智能 > 综合
     

内容简介

    书籍
    计算机书籍
本书是对第十一届和十二到中国机械上及其使用研讨会的一个总结,共约了议会中之10员专家就是那个研究领域做,以综合的款式探讨了机械上不同分支和连锁领域的研究进展。全书共分10章,内容分别涉及稀疏学习、众包数据遭到之隐类别分析、演化优化、深度上、半监察支持于量机、差分隐私保护等技巧,以及机器上在图像质量评、图像语义分割、多模态图像分析等方面的行使,此外,还介绍了初硬件寒武纪神经网络计算机的研究进展。
本书可供应电脑、自动化和连锁专业的研讨人口、教师、研究生以及工程技术人员参考。 

目录

疏散修以差不多任务上着之使用  龚平华张长水
1引言
2不慎棒多任务特点上
3大抵阶段多任务特点上
4结语
参考文献
众包数据标注着的隐类别分析田 天朱 军
1引言
2众包号问题
3标明整合的几乎种植基本型
3.1大部分投票模型
3.2混淆矩阵模型
4博包标注中的隐类别结构
5隐类别估计
6试验表现
7结语
参考文献
演化优化的申辩研究进展俞扬
1引言
2演化优化算法

3演变优化的说理发展
4周转时分析方法
5逼近性能分析
6算法参数分析
7结语
参考文献
因贝叶斯卷积网络的深上算法陈渤
1引言
2几近层稀疏因子分析
2.1单层模型
2.2抽取和极深池化
2.3模子特征以及可视化
3层次化贝叶斯分析
3.1层级结构
3.2计算
3.3贝叶斯输出的用
3.4与事先模型的相关性
4演绎中打卷积
4.1Gibbs采样
4.2VB推理
4.3在线VB
5试验结果
5.1参数设定
5.2合成数据和MNIST数据
5.3Caltech 101 数据解析
5.4每层的激活状态
5.5稀疏性
5.6对于Caltech 101的分类
5.7每当线VB和梵·高油画分析
6结语
参考文献
一半督查支持于量机学习道的钻李宇峰周志华
1引言
2半监察支持于量机简介
3半监理支持为量机学习道
3.1几近: 用于多训练示例的泛半监察支持于量机
3.2抢: 用于升级上效率的全速半监控支持为量机
3.3好: 用于供性保障的安全半监督支持于量机
3.4省: 用于代价抑制的代价敏感半督查支持于量机
4结语
参考文献
差分隐私保护之机械上王立威郑凯
1引言
2系定义和性能
3常因此机制
4针对光滑查询的心曲保护机制
5实验结果
6结语
参考文献
上无参考型图像质量评道研究高新波何立火
1引言
2根据特征表示的图像质量评方法
2.1因特征降维的无论是参考型图像质量评法
2.2根据图像块上的无参考型图像质量评方式
2.3因稀疏表示的凭参考型图像质量评办法
3根据回归分析的图像质量评道
3.1因支撑矢量回归的不论是参考型图像质量评方法
3.2根据神经网络的不论参考型图像质量评法
3.3因多对学习的无参考型图像质量评方式
4根据贝叶斯推理的图像质量评价办法
4.1粗略概率模型图像质量评价法
4.2冲主题概率模型的图像质量评方式
4.3根据深度上之图像质量评方法
5实验结果
6结语
参考文献
图像语义分割薛向阳
1引言
2随便监控图像区域分割
3都监督语义分割方法
3.1因多规格分割的语义分割方法
3.2冲多特点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死去监督语义分割方法
4.1牵动Bounding Box训练图像数据
4.2出纯粹图像层标签的训图像数据
4.3拉动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例外监督法下state of the art方法相比
7结语
参考文献
机上在多模态脑图像分析面临之动张道强程 波接 标刘明霞
1引言
2流形正则化多任务特点上
3多模态流形正则化迁移学习
4视图中心化的大多图谱分类
5试结果
5.1流形正则化多任务特点上
5.2几近模态流形正则化迁移学习
5.3看图中心化的基本上图谱分类
6结语
参考文献
寒武纪神经网络计算机陈天石陈云霁
1人工神经网络
2早就的败诉
2.1算法: SVM的崛起
2.2使用: 认知任务让忽视
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: 深度上的卓有成效训练算法
3.2行使: 认知任务之普遍化
3.3工艺: 暗硅时代的过来
3.4次之替神经网络的兴起
4要挑战
5贱武纪神经网络(机器上)处理器
5.1DianNao
5.2DaDianNao
5.3PuDianNao
6前途干活
766游戏网官网参考文献 

↑折 叠

 

前言

     随着大数据时之来到,来自互联网、安全、金融、医疗、科学考察等众领域的数目呈爆发式增长。在享用巨量数据提供的长信息的而,我们吧淹没在数的大海遭到,很为难开有得的消息及极致实惠之文化。要化解当下无异抵触,一个根本之策略是运机械上。
     机器上发源于人工智能,近三十年来已日渐发展变成同门相对齐全且独立的教程,广受计算机对、统计学、认知是等有关领域的眷顾。在答辩方面,针对数据采样分布及真正分布之出入,形成了概率近似逼近(PAC)的求学机制,并于这个基础及腾飞了人情的统计上理论。为避数据展望中目标函数的病态问题,一多元正则化理论为提出,如重于可解释性的疏学习技能、侧重于保持数据非线性几何结构的流形正则化理论、期望保持极优质分类性能的卓绝可怜间距正则技术相当。不仅如此,应用叫之机器上呢助长了过多新生研究方向的发出,如考虑无标签数据的一半督察上,考虑不同数据分布的迁徙学习、领域自适应学习,考虑数据“多”特性的基本上标签、多示例、多见、多任务上,考虑网络数据符号策略的众包学习等。与优化技术使随便梯度下降、半正定规划相当的融合,也助长了针对科普数据的拍卖及针对全局最优化求解。值得一提的是,近年来深度(神经网络)学习通过逐阶递减的特征提取技术和数据的训方针,在多单范畴要图像、语音竟文本分类性能达到还跳了统计上也主干的机械上方式。这使得神经网络在经历了靠近二十多年之下坡路后,再次拿大研究人员的眼珠又引发回来。它不仅仅吸引了机上的新一轮子热潮,也直招了工业界对机器上的钻及提高前所未有的眷顾。
      2002年,陆汝钤院士在复旦大学智能信息处理实验室发起集团了“智能信息处理系列研讨会”,并拿“机器上及其应用”列为当年支持的研讨会之一。2002年11月,研讨会成功召开,并规定了会不征文、不收费、报告人由管理员邀请,以及“学术至上,其他从简”的办会宗旨。2004年11月,在复旦大学做了次至“机器上及其使用”研讨会,两上半的会一直有100余丁旁听。2005年起,研讨会由南京大学软件新技术国家重点实验室设。2005年11月开设的老三届研讨会吸引了自全国近10独省市的250不必要口外听;2006年11月、2007年11月分别由南京航空航天大学信息科学与技术学院、南京师范大学数学与计算机学院共第四暨和第五顶研讨会,两糟糕均抓住了来自全国10不必要只省市的横300丁另外听;2008年11月开的第六及研讨会,适逢南京大学计算机课建立50周年,吸引了自全国10不必要只省市的380余人另外听;此后以2009年11月跟2010年11月以南京大学各自召开了第七、八到研讨会,均有盖400总人口旁听。2011年11月和2012年11月出于清华大学自动化系、智能科学与网国家关键实验室、清华大学信息科学与技术国家实验室(筹)举办第九顶暨第十顶研讨会,两潮会议均发生500差不多丁旁听。2013年11月出于复旦大学计算机科学技术学院以及上海市智能信息处理实验室做了第十一届研讨会,2014年11月以西安电子科技大学设置了第十二届研讨会,这片不善会均产生600多人旁听。可以说,“机器上及其应用”研讨会就化为机器上及其相关领域研究人员之盛会。
      本书是指向第十一届和十二届中国机械上及其使用研讨会的一个总结,共约了会被之10个专家便其研究领域做,以综合的形式探讨了机上不同分支和有关领域的研究进展。全书共划分10章节,内容分别涉及稀疏学习、众包数据中之隐类别分析、演化优化、深度上、半督察支持于量机、差分隐私保护等技能,以及机器上以图像质量评、图像语义分割、多模态图像分析等地方的运用,此外,还介绍了新硬件寒武纪神经网络计算机的研究进展。
      其中,龚平华博士和张长水教授在第1节研究了疏散就学在鲁棒多任务特点上及多阶段多任务特点上中的论战同算法。田天博士跟朱军教授以第2节综述了众包标注问题跟标整合的星星种植基本模型后,提出了众包学习着之隐类别结构模型。针对多数演变算法常依赖让启发式算法的欠缺,俞扬教授于第3节分析了演化优化的争辩功底。通过借鉴深度上之大半重叠构造框架,陈渤教授于第4章发展了层次化贝叶斯分析及在线变分贝叶斯推断方法。李宇峰博士和周志华教授于第5段从“多”“快”“好”“省”四单地方详细讨论和剖析了一半督察支持为量机近十年来之研讨新拓展。考虑到多数机器上算法是成立于含用户敏感信息之多寡集上,王立威教授及郑凯博士在第6章分析现有隐私保护型的优势和不足后,并因差分隐私策略提出了针对性光滑查询的苦衷保护体制。作为视觉大数据中极其要的载体之一,图像的身分评价是视觉信息质量评的主导问题。高新波教授及何立火博士当第7章节引入了冲特征表示、回归分析和贝叶斯推理等机器上道对图像质量开展了成立评价,提出了同样系列之甭管参考型图像质量评的想。除这之外,考虑到图像的高层语义提取一直是计算机视觉中的“难”问题,薛向阳教授于第8节从特征融合、深度网络、弱监督策略等地方剖析了图像语义分割问题。在脑子图像分析中,多种集设备可形成多模态的图像。为了有效融合多模态异质脑图像数据,张道强教授以及程波博士当人在第9章节从多任务上、多模态流形正则迁移学习、多视图分类的角度解析了机上以差不多模态脑图像分析的行使。最后,陈天石及陈云霁教授于硬件的角度探讨了机上固化的可能性,并针对性中国科学院测算技巧研究所研发的寒武纪系列处理器进行了简便介绍。
      本书概括了国内机器上及其使用的风靡研究进展,可供应电脑、自动化、信息处理同相关规范的钻研人口、教师、研究生和工程技术人员参考,也可看做人工智能、机器上课程的拉扯内容,希望对理想从事机械上研讨之人口具备助。
  高新波张军平
  2015年7月 

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注