机器学习日报 2015-09-06 数据挖掘中的 10 大算法 ;张量方法的词典学习;LDA是概率PCA的离散化
机器学习日报 2015-09-06[*]硕士论文: word2vec+CNN做面向QA的句子多标签分类 @爱可可-爱生活
[*]LDA是概率PCA的离散化和离散ICA @iB37
[*]详细解释数据挖掘中的 10 大算法 @伯乐在线官方微博
[*]基于张量方法的词典学习 @爱可可-爱生活
[*]免费书:贝叶斯推理与机器学习 @爱可可-爱生活
@好东西传送门 出品, 过往目录 见http://ml.memect.com
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
邮件版包括18条，本期的Web版有完整内容25条
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-06 08:34
深度学习 算法 自然语言处理 Yahui Chen 分类 神经网络
【硕士论文: word2vec+CNN做面向QA的句子多标签分类】《Convolutional Neural Network for Sentence Classification》Yahui Chen, University of Waterloo (2015) http://t.cn/RyLRX0p
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-06 22:14
会议活动 算法 资源 NIPS PCA PDF 会议 主题模型
1)LDA是概率PCA的离散化 Variational Extensions to EM and Multinomial PCA http://t.cn/RyytlkO 2)LDA也可解释为离散ICA 可用ICA的矩匹配技术代替传统LDA近似推理算法:Gibbs和变分 Rethinking LDA: moment matching for discrete ICA http://t.cn/Ryytlk0
http://ww4.sinaimg.cn/large/972a1170gw1evt3b8i9qjj21700cs77s.jpg
http://tp2.sinaimg.cn/1670481425/50/1286328769/1 伯乐在线官方微博 网页链接 2015-09-06 20:40
经验总结 算法 应用 KNN PageRank SVM 博客 集成学习 聚类 决策树 统计 信息检索
《详细解释数据挖掘中的 10 大算法（下）》上篇中作者解释了 C4.5算法、K 均值聚类算法、支持向量机、Apriori 关联算法、EM 算法，下篇继续解释 PageRank 算法、AdaBoost 迭代算法、kNN 算法、朴素贝叶斯算法、CART 分类算法http://t.cn/Ry2dR2o (土豆粉ss 译,欢迎加入翻译组：http://t.cn/R2azJxi )
http://ww4.sinaimg.cn/large/63918611gw1evs1pte4jvj20j607oaav.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-06 09:04
资源 PDF 教育网站
【幻灯:基于张量方法的词典学习】《Dictionary Learning Using Tensor Methods》by Anima Anandkumarhttp://t.cn/RyLESPy 云:http://t.cn/RyLESPL 参阅:http://weibo.com/1402400261/Cmtc9zaf6
http://ww1.sinaimg.cn/large/5396ee05jw1evsgfqj7f4j20fv0byjtu.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-06 07:15
算法 资源 David Barber PDF 书籍 统计
【免费书:贝叶斯推理与机器学习】《Bayesian Reasoning and Machine Learning》David Barber (2012)http://t.cn/zOBvgXr Download:http://t.cn/R2hBK2a 云:http://t.cn/RyLQJ4r
http://ww4.sinaimg.cn/large/5396ee05jw1evsdbrv8erj205006kq3c.jpg
星空下的巫师 网页链接 转发于2015-09-06 11:40
这是我非常喜欢读的一本书
最新动态
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-06 21:32
会议活动 算法 HMM NIPS 会议 论文
对多种人类细胞的染色质标记数据集 每种细胞有一个隐马尔可夫模型 多种细胞类型间由一个已知结构的固定树联系起来 Spectral Learning of Large Structured HMMs for Comparative Epigenomics 针对EM算法的不高效和朴素谱方法的时空指数复杂性 利用树结构改良谱算法 http://t.cn/RyyqDWk
http://ww4.sinaimg.cn/large/972a1170gw1evt229dy3wj21ak0noq91.jpg
http://icon.memect.com/http://blog.csdn.net/wolf96/article/details/48242853 csdn:wolf96 网页链接 2015-09-06 21:11
经验总结 Bell Curves 博客
【游戏人工智能开发之进阶版随机技术】又get3种新的rand方式,简单又实用 分别为高斯分布随机，过滤随机，和perlin随机，perlin老朋友了，主要说说前两种。 高斯分布随机（Gaussian Randomness） 高斯分布也叫正态分布（Normal distribution）或钟形曲线（bell curves），正态分布再熟悉不过了。它长这个样子： 为什么要根据高斯分布来产生随机呢，这里要提到一个名词“中心... http://memect.co/5Twc9Phxoci
http://img.blog.csdn.net/20150906131145312
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-06 21:05
会议活动 算法 NIPS 会议 论文
针对现有并行马尔可夫链蒙特卡洛算法EP-MCMC（embarrassingly parallel Markov Chain Monte Carlo）的近似准确性和难再采样问题，提出组合数据子集后验采样的随机划分树 Parallelizing MCMC with Random Partition Trees http://t.cn/RyyGdFO
http://ww1.sinaimg.cn/large/972a1170gw1evt1awk2i4j21ai0k5qa8.jpg
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-06 20:05
会议活动 算法 资源 Du Plessis ICML NIPS PDF 会议 期刊 凸优化
du Plessis的PU学习 1)正类先验估计 http://t.cn/Ryy4jmj 代码: http://t.cn/Ryy4jmY 2)代价敏感学习 非凸损失 Analysis of PU http://t.cn/Ryy4jml 3)用不同的损失函数 Convex Formulation http://t.cn/Ryy4jmT 附：http://weibo.com/2536116592/CrmHT9Fao
http://ww4.sinaimg.cn/large/972a1170gw1evszc12wjaj20z30n7wiy.jpg
http://tp1.sinaimg.cn/3769368692/50/5730530271/1 格灵深瞳 网页链接 2015-09-06 19:39
视觉 应用 机器人
【人和机器的视觉体验：为什么人工智能“会做梦”？】http://t.cn/RyyUHvw Google 的人工智能机器人将普通的照片生成了带有幻觉的图像，工程师们把这些图像和梦境进行比较，并将 Google 的这种图像生成手法命名为“盗梦风格”(Inceptionism)，将所使用的生成代码叫做“深度梦境”(Deep Dream)。
http://ww2.sinaimg.cn/large/e0ac0074gw1evsytd569kj20m50cg77h.jpg
http://tp1.sinaimg.cn/2109347192/50/40008702698/1 电子发烧友官网 网页链接 2015-09-06 17:08
视觉 算法 矩阵
一种基于时域混合的DWT-SVD盲数字水印算法http://t.cn/Ryyw7XH 该算法一改传统水印的嵌入过程，首先对载体图像进行分块，利用最佳信号与载体图像进行时域混合以改变图像信息的分布，之后通过离散小波变换结合奇异值分解完成水印嵌入，再进行时域混合恢复得到嵌入水印的图像。
http://tp1.sinaimg.cn/2109347192/50/40008702698/1 电子发烧友官网 网页链接 2015-09-06 15:52
经验总结 自然语言处理 博客
一种基于语言模型的微博检索技术[围观]http://t.cn/RyyhQQ4 基于满足用户从海量微博中获取信息的目的，本文在语言模型的基础上结合微博文本的时间特性，提出一种基于动态伪相关反馈模型的查询扩展方法，使准确率提高至53.9%。
http://tp2.sinaimg.cn/1670481425/50/1286328769/1 伯乐在线官方微博 网页链接 2015-09-06 11:00
经验总结 算法 应用 PageRank 博客 信息检索
《机器学习之PageRank算法应用与C#实现(1)：算法介绍》鉴于Google的巨大成功和PageRank的巨大作用，已经入学了机器学习的十大算法之一。今天就带大家走近PageRank，简述其原理以及应用的C#实现。http://t.cn/RyALRh1 （by asxinyu ）
http://ww3.sinaimg.cn/large/63918611gw1evs1jes3ogj205z05zq33.jpg
http://tp1.sinaimg.cn/5220650532/50/5701668539/1 好东西传送门 网页链接 2015-09-06 07:04
会议活动 架构 算法 NIPS Spark 会议 简报 特征工程
第352期机器学习日报(2015-09-05)http://t.cn/RyLQLzh 1) Spark GraphX大规模图计算和图挖掘（V3.0）》 2)@Not_GOD 翻译： 计算图上的微积分——反向传播算法 3) NIPS2015录取论文 4) 人工智能产业深度研究报告 5) LinkedIn的开源机器学习/特征工程工具包FeatureFu 完整版30条 http://t.cn/RyLQLzP
http://ww2.sinaimg.cn/large/005HjjGQgw1evscyvslz1j30hs09l400.jpg
http://tp1.sinaimg.cn/5220650532/50/5701668539/1 好东西传送门 网页链接 2015-09-06 07:02
深度学习 语音 自然语言处理 Chris Manning Christopher Manning
第83期NLP日报(2015-09-05) 1) Chris Manning讲座: 面向NLP的组合深度学习 2) 统计自然语言处理基础 3) Attention-based模型在NLP领域应用汇总 4) 基于RNN/CTC/WFST的End-to-End语音识别组件Eesen 完整版9条 http://t.cn/RyLQwFW
http://ww4.sinaimg.cn/large/005HjjGQgw1evscxf8lczj30jf0e5di7.jpg
http://tp1.sinaimg.cn/5220650532/50/5701668539/1 好东西传送门 网页链接 2015-09-06 07:01
深度学习 视觉 智能汽车
第164期计算机视觉日报(2015-09-05) 1) 从How-Old.net看人脸识别技术的演进和基础环节 2) 基于CNN的通用图像块相似度判决方法 3) 起底特斯拉7.0自动驾驶系统 完整版6条 http://t.cn/RyLQZQm
http://ww3.sinaimg.cn/large/005HjjGQgw1evscwemxm4j309o0b7mxu.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-06 06:53
深度学习 代码
【Flickr背后的深度学习实时处理框架】《The Yahoo Behind Fresh Deep Learning Approaches At Flickr》http://t.cn/RyLHFLc Github(Simplified Lambda Example):http://t.cn/RyLHFLf
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-06 06:47
经验总结 深度学习 算法 资源 Geoffrey Hinton PDF 博客 教育网站 神经网络 数据科学
【(深度学习回归标志性论文)用神经网络实现数据降维】《Reducing the Dimensionality of Data with Neural Networks》G. E. Hinton, R. R. Salakhutdinov (2006) http://t.cn/zYg4phh 中文笔记:http://t.cn/RyLH1Sz
http://ww2.sinaimg.cn/large/5396ee05jw1evsci095wfj20d00cj40p.jpg
页:
[1]