機器學習及其套用2015

內容簡介

本書是對第十一屆和十二屆中國機器學習及其套用研討會的一個總結，共邀請了會議中的10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進展。全書共分10章，內容分別涉及稀疏學習、眾包數據中的隱類別分析、演化最佳化、深度學習、半監督支持向量機、差分隱私保護等技術，以及機器學習在圖像質量評價、圖像語義分割、多模態圖像分析等方面的套用，此外，還介紹了新硬體寒武紀神經網路計算機的研究進展。本書可供計算機、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參考。

前言

隨著大數據時代的來臨，來自網際網路、安全、金融、醫療、科學觀測等眾多領域的數據呈爆發式增長。在享受巨量數據提供的豐富信息的同時，我們也淹沒在數據的海洋中，很難挖掘出急需的信息和最有用的知識。要解決這一矛盾，一個重要的策略是利用機器學習。

機器學習發源於人工智慧，近三十年來已經逐漸發展成為一門相對完備且獨立的學科，廣受計算機科學、統計學、認知科學等相關領域的關注。在理論方面，針對數據採樣分布與真實分布的差異，形成了機率近似逼近（PAC）的學習機制，並在此基礎上發展了傳統的統計學習理論。為避免數據預測中目標函式的病態問題，一系列正則化理論被提出，如側重於可解釋性的稀疏學習技術、側重於保持數據非線性幾何結構的流形正則化理論、期望保持最優分類性能的最大間隔正則技術等。不僅如此，套用驅動的機器學習也推動了眾多新興研究方向的產生，如考慮無標籤數據的半監督學習，考慮不同數據分布的遷移學習、領域自適應學習，考慮數據“多”特性的多標籤、多示例、多視角、多任務學習，考慮網路數據標記策略的眾包學習等。與最佳化技術如隨機梯度下降、半正定規劃等的融合，也促進了對大規模數據的處理和對全局最最佳化求解。值得一提的是，近年來深度（神經網路）學習通過逐階遞減的特徵提取技術以及大數據的訓練策略，在多個層面如圖像、語音甚至文本分類性能上都超越了統計學習為主導的機器學習方法。這使得神經網路在經歷了近二十多年的低谷後，再次把廣大研究人員的眼球重新吸引回來。它不僅掀起了機器學習的新一輪熱潮，也直接導致了工業界對機器學習的研究和發展前所未有的關注。

2002年，陸汝鈐院士在復旦大學智慧型信息處理實驗室發起組織了“智慧型信息處理系列研討會”，並將“機器學習及其套用”列為當年支持的研討會之一。2002年11月，研討會成功舉行，並確定了會議不徵文、不收費、報告人由組織者邀請，以及“學術至上，其他從簡”的辦會宗旨。2004年11月，在復旦大學舉行了第二屆“機器學習及其套用”研討會，兩天半的會議一直有100餘人旁聽。2005年起，研討會由南京大學軟體新技術國家重點實驗室舉辦。2005年11月舉辦的第三屆研討會吸引了來自全國近10個省市的250餘人旁聽；2006年11月、2007年11月分別由南京航空航天大學信息科學與技術學院、南京師範大學數學與計算機學院協辦第四屆和第五屆研討會，兩次均吸引了來自全國10餘個省市的約300人旁聽；2008年11月舉行的第六屆研討會，適逢南京大學計算機學科建立50周年，吸引了來自全國10餘個省市的380餘人旁聽；此後在2009年11月和2010年11月在南京大學分別舉行了第七、八屆研討會，均有約400人旁聽。2011年11月和2012年11月由清華大學自動化系、智慧型科學與系統國家重點實驗室、清華大學信息科學與技術國家實驗室（籌）舉辦第九屆和第十屆研討會，兩次會議均有500多人旁聽。2013年11月由復旦大學計算機科學技術學院和上海市智慧型信息處理實驗室舉行了第十一屆研討會，2014年11月在西安電子科技大學舉辦了第十二屆研討會，這兩次會議均有600多人旁聽。可以說，“機器學習及其套用”研討會已經成為機器學習及其相關領域研究人員的盛會。

機器學習及其套用2015

基本介紹

內容簡介

前言

目錄

相關詞條

熱門詞條