科院考研推荐链接:
模式识别,计算机建模
加拿大McMaster大学 1988,1--1992,12 博士研究生
北京钢铁学院(现北京科技大学) 1980,9--1983,6 硕士研究生
加拿大McMaster大学 1993,4 哲学博士(Ph.D.)
北京钢铁学院(现北京科技大学) 1983,6 工学硕士
“信息理论与机器学习”
本课程为人工智能研究领域中研究生基础课程。希望选课学生已经具有“机器学习”或“模式识别”方面的初步知识。不同于统计机器学习方法中主要强调统计学与优化理论基础知识,本课程主要讲解基于信息理论为准则构建与分析的机器学习方法,并与统计机器学习方法建立关联。信息理论不仅为机器学习方法带来统一数学原理的解释性,也为构造新的机器学习方法带来独特路径。本课程在介绍信息理论基础知识后,讲解内容包括各种信息类准则在聚类、分类、降维、特征选择与提取、稀疏与低秩学习、鲁棒学习等问题中的应用以及与传统方法不同的独有特点比较上。同时给出信息论与机器学习结合后为信息理论发展带来的新知识。基于信息论为机器学习框架,我们还讨论互信息分类器以及生成式深度学习与对抗网络等新方法。通过本课程学习,要求学生理解信息论在机器学习以及人工智能研究中的必要性与核心地位,并能够掌握基于信息理论为基础开展机器学习的基本知识。
(Welcome to the web for the complete infomation:
http://www.escience.cn/people/hubaogang/index.html)