简介 每年全世界都会举办很多计算机视觉（Computer Vision，CV）、 机器学习（Machine Learning，ML）、人工智能（Artificial Intelligence ，AI）领域的学术会议。笔者选取了其中影响力较大，有代表性的重要会议进行了汇总，特意按照时间进行了排序 ...

首先的阶段由卷积层和池化层组成，卷积的节点组织在特征映射块（feature maps）中，每个节点与上一层的feature maps中的局部块通过一系列的权重即过滤器连接。加权和的结果被送到非线性函数 ...

多媒体、图形学、网络通信等计算机应用技术领域，尤其是计算机视觉、自然语言处理。 交叉学科的技术支撑，例如生物信息学，它的研究涉及从“生命现象”到“规律发现”的整个过程，包括数据处理整个流程，其中“数据分析”就是机器学习的舞台。 数据科学的核心即通过分析数据获取价值。机器学习是大数据时代必不可少 ...

集成学习 目录： 个体和集成 Boosting Bagging与随机森林 Bagging 随机森林 综合策略 平均法 投票法 学习法 多样性 误差-分歧分解 ...

编程实现判别分析，并给出西瓜数据集上的结果。 数据集如下 Python代码实现方式如下：调用了sklearn中的线性判别分析模块。 结果如下： 其中红色的蓝色的 ...

3.3 编程实现对率回归，并给出西瓜数据集3.0α上的结果。 本题我就调用了sklearn的逻辑回归库来测试。 结果如下： 西瓜数据集如下： ...

机器学习（周志华） 读书笔记 序言 从主流为符号机器学习发展到主流为统计机器学习，反映了机器学习从纯粹的理论研究和模型研究发展到以解决现实生活中实际问题为目的的应用研究。 问题一：现阶段，统计机器学习相对符号机器学习占据优势地位，未来的发展方向是怎样的？ 有三种答案：一是符号机器学习 ...

机器学习现在是一大热门，研究的人特多，越来越多的新人涌进来。 不少人其实并没有真正想过，这是不是自己喜欢搞的东西，只不过看见别人都在搞，觉着跟大伙儿走总不会吃亏吧。 问题是，真有个“大伙儿”吗？就不会是“两伙儿”、“三伙儿”？如果有“几伙儿”，那到底该跟着“哪伙儿”走呢？ 很多人可能没有意识 ...