稀疏学习在多任务学习中的应用&龚平华 张长水 1
1 引言 1
2 鲁棒多任务特征学习 2
3 多阶段多任务特征学习 8
4 结语 15
参考文献 15
众包数据标注中的隐类别分析&田天 朱军 19
1 引言 19
2 众包标注问题 20
3 标注整合的几种基本模型 23
3.1 多数投票模型 23
3.2 混淆矩阵模型 24
4 众包标注中的隐类别结构 26
5 隐类别估计 28
6 实验表现 30
7 结语 32
参考文献 33
演化优化的理论研究进展&俞扬 35
1 引言 35
2 演化优化算法 36
3 演化优化的理论发展 38
4 运行时间分析方法 39
5 逼近性能分析 41
6 算法参数分析 43
7 结语 45
参考文献 47
基于贝叶斯卷积网络的深度学习算法&陈渤 53
1 引言 53
2 多层稀疏因子分析 57
2.1 单层模型 57
2.2 抽取和最大池化 58
2.3 模型特征和可视化 59
3 层次化贝叶斯分析 59
3.1 层级结构 59
3.2 计算 60
3.3 贝叶斯输出的应用 60
3.4 与之前模型的相关性 61
4 推理中发掘卷积 61
4.1 Gibbs采样 61
4.2 VB推理 61
4.3 在线VB 62
5 实验结果 63
5.1 参数设定 63
5.2 合成数据以及MNIST数据 64
5.3 Caltech 101数据分析 67
5.4 每层的激活情况 71
5.5 稀疏性 71
5.6 对于Caltech 101的分类 73
5.7 在线VB和梵·高油画分析 76
6 结语 77
参考文献 79
半监督支持向量机学习方法的研究&李宇峰 周志华 83
1 引言 83
2 半监督支持向量机简介 84
3 半监督支持向量机学习方法 86
3.1 多：用于多训练示例的大规模半监督支持向量机 87
3.2 快：用于提升学习效率的快速半监督支持向量机 90
3.3 好：用于提供性能保障的安全半监督支持向量机 94
3.4 省：用于代价抑制的代价敏感半监督支持向量机 98
4 结语 102
参考文献 103
差分隐私保护的机器学习&王立威 郑凯 109
1 引言 109
2 相关定义及性质 111
3 常用机制 113
4 针对光滑查询的隐私保护机制 117
5 实验结果 121
6 结语 122
参考文献 123
学习无参考型图像质量评价方法研究&高新波 何立火 127
1 引言 127
2 基于特征表示的图像质量评价方法 128
2.1 基于特征降维的无参考型图像质量评价方法 129
2.2 基于图像块学习的无参考型图像质量评价方法 129
2.3 基于稀疏表示的无参考型图像质量评价方法 129
3 基于回归分析的图像质量评价方法 132
3.1 基于支撑矢量回归的无参考型图像质量评价方法 132
3.2 基于神经网络的无参考型图像质量评价方法 133
3.3 基于多核学习的无参考型图像质量评价方法 133
4 基于贝叶斯推理的图像质量评价方法 137
4.1 简单概率模型图像质量评价方法 138
4.2 基于主题概率模型的图像质量评价方法 138
4.3 基于深度学习的图像质量评价方法 139
5 实验结果 141
6 结语 145
参考文献 146
图像语义分割&薛向阳 151
1 引言 151
2 无监督图像区域分割 154
3 全监督语义分割方法 155
3.1 基于多尺度分割的语义分割方法 156
3.2 基于多特征融合的语义分割方法 157
3.3 基于深度网络的语义分割方法 159
4 弱监督语义分割方法 161
4.1 带Bounding Box训练图像数据 161
4.2 有精确图像层标签的训练图像数据 161
4.3 带噪声标签的训练图像数据 165
5 面向语义图像分割的常用数据集 167
6 不同监督条件下state of the art方法对比 168
7 结语 169
参考文献 170
机器学习在多模态脑图像分析中的应用&张道强 程波 接标 刘明霞 175
1 引言 175
2 流形正则化多任务特征学习 176
3 多模态流形正则化迁移学习 179
4 视图中心化的多图谱分类 181
5 实验结果 185
5.1 流形正则化多任务特征学习 185
5.2 多模态流形正则化迁移学习 189
5.3 视图中心化的多图谱分类 193
6 结语 196
参考文献 197
寒武纪神经网络计算机&陈天石 陈云霁 201
1 人工神经网络 201
2 曾经的失败 202
2.1 算法：SVM的崛起 203
2.2 应用：认知任务被忽略 203
2.3 工艺：通用处理器享受摩尔定律红利 203
3 神经网络计算机的涅槃 204
3.1 算法：深度学习的有效训练算法 204
3.2 应用：认知任务的普遍化 205
3.3 工艺：暗硅时代的到来 205
3.4 第二代神经网络的兴起 206
4 主要挑战 206
5 寒武纪神经网络（机器学习）处理器 207
5.1 DianNao 207
5.2 DaDianNao 208
5.3 PuDianNao 210
6 未来工作 212
参考文献 212