机器学习与人工智能1 引言2 机器学习与人工智能的不同理念3 统计机器学习的特点4 集群学习(ensemble learning)5 人工智能对机器学习的补充6 重采样方法——自助法7 变量稀疏化8 知识的集群9 讨论和总结参考文献关系强化学习研究1 引言2 Tetris和强化学习解法2.1 Tetris2.2 Tetris的抽象和建模2.3 Tetris的强化学习解法2.4 状态空间抽象3 关系强化学习3.1 关系强化学习及其抽象3.2 逻辑决策树方法3.3 马尔可夫逻辑网方法4 结束语参考文献因果挖掘的若干统计方法1 引言2 井底之蛙：因果作用与混杂因素3 替罪羔羊：利用替代指标评价因果作用3.1 几种替代指标准则3.2 替代指标悖论3.3 一致替代指标，严格一致替代指标4 盲人摸象：贝叶斯网络的结构学习4.1 贝叶斯网络结构的分解学习方法4.2 贝叶斯网络结构的递归学习方法4.3 贝叶斯网络结构的聚类学习方法5 纲举目张：确定因果网络方向的主动学习方法5.1 各种干预方法5.2 各种算法的模拟比较6 寻根问底+顺藤摸瓜：寻摸结果变量的原因6.1 外部干预下的预测问题6.2 局部因果挖掘的方法7 讨论参考文献基于学习的图像超分辨率算法1 引言2 基于学习的超分辨率算法综述2.1 间接最大后验算法2.2 直接最大后验算法2.3 基于学习的超分辨率算法的优缺点3 基于学习的超分辨率算法的性能极限3.1 什么是基于学习的超分辨率算法的极限3.2 期望风险的下界3.3 基于学习的超分辨率算法的极限3.4 下界的计算与阈值的选取3.5 讨论4 结语参考文献分类学习的正则化技术1 引言2 经典的正则化技术2.1 Tikhonov正则化2.2 正则化网络2.3 支持向量机2.4 正则化最小二乘分类器2.5 流形正则化3 最新研究进展3.1 正则化分类器的泛化误差界3.2 正则化项的构造3.3 正则化参数的选择4 结束语参考文献Transfer Learning and Its Application for WiFi Localization ProblemsSinno Jialin Pan， Vincent Wenchen Zheng and Qiang Yang1 Introduction2 An Overview of Transfer Learning2.1 Instance based Transfer Learning2.2 Transfer Learning Through Dimensionality Reduction2.3 Transfer Learning Through Self?taught Clustering3 WiFi Localization in Indoor Environments4 Transfer Learning for WILP4.1 Transferring Localization Models over Time4.2 Transferring Localization Models across Space4.3 Transferring Localization Models across Devices5 Experiments and Discussion5.1 ICDM 2007 Data Mining Contest Dataset5.2 Experimental Results6 Conclusion and Future WorkReferences关于boosting算法的margin解释1 引言2 背景与