機器學習與人工智能
1 引言
2 機器學習與人工智能的不同理念
3 統計機器學習的特點
4 集群學習(ensemble learning)
5 人工智能對機器學習的補充
6 重采樣方法——自助法
7 變量稀疏化
8 知識的集群
9 討論和總結
參考文獻

關系強化學習研究
1 引言
2 Tetris和強化學習解法
2.1 Tetris
2.2 Tetris的抽象和建模
2.3 Tetris的強化學習解法
2.4 狀態空間抽象
3 關系強化學習
3.1 關系強化學習及其抽象
3.2 邏輯決策樹方法
3.3 馬爾可夫邏輯網方法
4 結束語
參考文獻

因果挖掘的若干統計方法
1 引言
2 井底之蛙：因果作用與混雜因素

3 替罪羔羊：利用替代指標評價因果作用
3.1 幾種替代指標準則
3.2 替代指標悖論
3.3 一致替代指標，嚴格一致替代指標

4 盲人摸象：貝葉斯網絡的結構學習
4.1 貝葉斯網絡結構的分解學習方法
4.2 貝葉斯網絡結構的遞歸學習方法
4.3 貝葉斯網絡結構的聚類學習方法

5 綱舉目張：確定因果網絡方向的主動學習方法
5.1 各種干預方法
5.2 各種算法的模擬比較

6 尋根問底+順藤摸瓜：尋摸結果變量的原因
6.1 外部干預下的預測問題
6.2 局部因果挖掘的方法
7 討論
參考文獻

基于學習的圖像超分辨率算法
1 引言

2 基于學習的超分辨率算法綜述
2.1 間接最大后驗算法
2.2 直接最大后驗算法
2.3 基于學習的超分辨率算法的優缺點

3 基于學習的超分辨率算法的性能極限
3.1 什么是基于學習的超分辨率算法的極限
3.2 期望風險的下界
3.3 基于學習的超分辨率算法的極限
3.4 下界的計算與閾值的選取
3.5 討論
4 結語
參考文獻
分類學習的正則化技術
1 引言

2 經典的正則化技術
2.1 Tikhonov正則化
2.2 正則化網絡
2.3 支持向量機
2.4 正則化最小二乘分類器
2.5 流形正則化

3 最新研究進展
3.1 正則化分類器的泛化誤差界
3.2 正則化項的構造
3.3 正則化參數的選擇
4 結束語
參考文獻

Transfer Learning and Its Application for WiFi Localization Problems
Sinno Jialin Pan， Vincent Wenchen Zheng and Qiang Yang
1 Introduction

2 An Overview of Transfer Learning
2.1 Instance based Transfer Learning
2.2 Transfer Learning Through Dimensionality Reduction
2.3 Transfer Learning Through Self?taught Clustering

3 WiFi Localization in Indoor Environments

4 Transfer Learning for WILP
4.1 Transferring Localization Models over Time
4.2 Transferring Localization Models across Space
4.3 Transferring Localization Models across Devices

5 Experiments and Discussion
5.1 ICDM 2007 Data Mining Contest Dataset
5.2 Experimental Results
6 Conclusion and Future Work
References

關于boosting算法的margin解釋
1 引言
2 背景與