機器學習及其應用2019

《機器學習及其應用2019》是對第十五屆和第十六屆中國“機器學習及其應用”研討會的一個總結，
邀請了與會的11位專家就其研究領域撰文，
以綜述的形式探討了機器學習不同分支及相關領域的研究成果。
內容涉及深度學習、主動學習、子空間學習、隨機優化、因果圖模型、
聚類、分類等，介紹了新型深度學習範式，以及機器學習在機器翻譯、大數據分析等方面的應用。
　　
《機器學習及其應用2019》可供計算機、自動化及相關專業的研究人員、
教師、研究生和工程技術人員閱讀參考。

於劍

博士，目前任北京交通大學計算機學院教授，博導，人工智能研究院常務副院長，是交通數據分析與挖掘北京市重點實驗室主任，
中國計算機學會會士，中國計算機學會人工智能與模式識別秘書長，中國人工智能學會機器學習專委會副主任。
長期從事機器學習、自然語言處理等的研究和應用。
在國際雜誌、國際會議和國內一級刊物上發表學術論文數100餘篇。
出版有學術專著《機器學習：從公理到算法》。

目錄
關於深度學習的一點思考
1 引言
2 深度神經網絡
3 為何“深”
4 為何有必要探討DNN之外的深度模型
參考文獻

隨機梯度下降郎之萬動力學的泛化分析
1 介紹
2 基本設定
3 理想情況：Langevin方程的泛化性能
4 離散時間序列下SGLD的穩定性
5 離散情形下SGLD算法的PAC-Bayesian理論
6 結論
參考文獻
A附錄

因果和因果圖模型
1 引言
2 因果
3 因果圖模型
4 圖模型空間
5 總結和討論
參考文獻

一致性學習理論研究
1 引言
2 相關工作
3 噪聲環境下k近鄰方法一致性
4 Pairwise損失函數一致性
5 總結與展望
參考文獻

大規模分類任務的分層學習
1 引言
2 類別的層次結構
3 分層分類的性能評價
4 層次結構的構建
5 分層分類的特徵選擇
6 分層分類器學習
7 停止機制設計
8 總結與展望
參考文獻

概念器的發展與應用
1 概念器模型
2 基於概念器的深度神經網絡模型
參考文獻
……
從譜聚類到自註意力模型——談經典機器學習在深度學習時代的新形態
子空間學習研究進展與展望
主動學習研究簡介
神經機器翻譯
面向個性化教育的大數據分析方法研究與應用