机器学习简介.pptx

文档介绍：Machine Learning：An Overview
石立臣
第一页，共四十四页。
Outline
What is machine learning (ML)
Types of machine learning
Work Semi-supervised learning
Clustering or classification
第十一页，共四十四页。
Types of machine learning
Reinforcement learning
Robot & control
第十二页，共四十四页。
Work flow
Prediction
Training Labels
Training
Training
Image Features
Image Features
Testing
Test Image
Learned model
Learned model
Slide credit: D. Hoiem and L. Lazebnik
第十三页，共四十四页。
Work flow
Features
第十四页，共四十四页。
Work flow
Models
Logic, Rules
Statistical, Black box model
Static, dynamic model
Online learning
Ensemble learning
第十五页，共四十四页。
Work flow
Architecture
Model
Feature
Hardware
第十六页，共四十四页。
Popular models
Linear model: logistic regression, linear discriminant analysis, linear regression (with basis function)
第十七页，共四十四页。
Popular models
Nearest neighbor
Feature & distance
第十八页，共四十四页。
Popular models
Support vector machine
第十九页，共四十四页。
Popular models
Artificial neural network
第二十页，共四十四页。
Popular models
Decision tree
第二十一页，共四十四页。
Popular models
Collaborative filtering
第二十二页，共四十四页。
Popular models
Hierarchical clustering
K-means
Spectral clustering
Manifold learning
第二十三页，共四十四页。
Popular models
Hidden markov model
Conditional random fields
第二十四页，共四十四页。
Applications
第二十五页，共四十四页。
Applications
第二十六页，共四十四页。
Applications
第二十七页，共四十四页。
Applications
第二十八页，共四十四页。
Applications
第二十九页，共四十四页。
Applications
第三十页，共四十四页。
Applications
第三十一页，共四十四页。
Applications
第三十二页，共四十四页。
Applications
Attention
第三十三页，共四十四页。
Applications
Image classification
第三十四页，共四十四页。
Applications
第三十五页，共四十四页。
Applications
Brain machine interface
第三十六页，共四十四页。
Applications
第三十七页，共四十四页。
Applications
第三十八页，共四十四页。
Applications
第三十九页，共四十四页。
Applications
第四十页，共四十四页。
Applications
Indirect illumination
Regression
第四十一页，共四十四页。
Applications
Indirect illumination
kd-tree
第四十二页，共四十四页。
Applications
The core is t