统计学习理论与应用教学大纲_第1页
统计学习理论与应用教学大纲_第2页
统计学习理论与应用教学大纲_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、教学大纲教学内容（48学时）：第一章 引言(3学时)1.1 统计学习的发展历史、研究目的和手段以及未来发展趋势1.2 统计学习核心问题及基本解决方法1.3 概率统计及凸优化基础回顾1.4 课程整体设计方案及考核标准第二章 无监督学习 (3学时)2.1 K-means聚类方法2.2 高斯混合模型2.3 EM算法2.4 small-variance渐近分析2.5 谱聚类方法3.6 降维及主成分分析第三章 有监督学习 (6学时)3.1 Ridge回归分析3.2 模型选择与交叉验证3.3 稀疏正则化3.4 Logistic回归分析3.5 支持向量机3.6 表示定理与核方法第四章 贝叶斯方法 (6学时)

2、4.1 贝叶斯定理4.2 指数族分布4.3 广义线性模型4.3 贝叶斯主题模型4.4 狄利克雷混合模型4.5 蒙特卡洛方法第五章 学习理论(3学时)5.1 Bais/Variance分解5.2 集中不等式5.3 PAC学习的基本理论与框架5.4 PAC-Bayes学习的基本理论与框架第六章 概率图模型 (6学时)6.1 条件独立性6.2 贝叶斯网络6.3 马尔可夫网络6.3 基本推理与学习算法6.4 变分推理方法6.5 包含隐变量的推理与学习第七章 结构化输出预测学习 (3学时)7.1 条件随机场7.2 结构化支持向量机7.3 结构化感知机7.4 快速优化算法第八章 数据表示学习 (9学时)8

3、.1 稀疏表示与辞典学习8.2 多层表示与深度学习8.3 自适应表示的贝叶斯方法第九章 大规模机器学习 (6学时)9.1 在线学习算法9.2 随机算法9.3 分布式学习算法课程实验（大作业）口头报告与讨论 (3学时): 实验名称：利用统计学习基本理论和方法解决一个应用问题，具体问题可以自选或者从备选问题中选取实验目的：综合运用课堂上学到的相关知识，将统计学习的基本思想、理论和方法应用于解决真实应用问题，培养学生的问题分析、模型设计、模型求解、实验验证等能力，深入理解统计机器学习在解决真实应用问题中的重要作用。实验内容：从机器学习经典问题（如聚类、分类、结构化输出预测、数据表示学习等）中选取一个具体问题，利用公开数据集，让学生将课堂上所学到的相关知识应用于真实问题的解决过程中，提出解决方法（如模型、算法等），并进行理论分析和实验验证，比较不同解决方案的差异，得出可靠的结论。实验环境：普通PC机或小规模集群机，任意操作系统和编程环境。实验评测：从模型或算法假设的合

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论