COPYRIGT @ 2026 HTTP://WWW.QG68.CN INC. ALL RIGHTS RESERVED. 版权所有
电话：010-82593357 京ICP备07007152号
机器学习基础教学
1 概述
l 什么是机器学习
l 机器学习的典型应用
l 机器学习与其他研究领域的关系
l 机器学习研究目标
2 理论基础
l PAC学习模型
l 采样复杂度
l VC维与生长函数
l Sauer引理
l 切诺夫界
l McDiarmid不等式
3 核方法学习
l 学习子空间（LSP）理论
l 支持向量机与Margin理论
l 核化PRR学习模型
l TRBF与绿色计算学习
4 神经网络与深度学习
l 前向反馈与误差反向传播
l 卷积神经网络
l 深度学习
5 Online学习
l 通过专家建议的预测
l 加权表决算法
l Perceptron算法
l Winnow算法
l Widrow-Hoff算法
6 排序算法
l 排序问题
l 一般性界
l RankBoost
l 二分排序
l Preference-based Ranking
7 强化学习(Reinforcement Learning)
l 马尔科夫决策过程 (MDPs)
l 最优策略
l Q学习
l Multi-armed bandit 问题
l 深度强化学习与自主学习
8 投资组合选择与博弈论
l 投资组合选择
l Minmax理论
l 重新思考Boosting
9 机器学习在数字媒体中的典型应用
l 卷积神经网络与IMAGENET
l 对象/场景三维形状学习与识别
