认知计算与数据处理链接主义的套路.PDFVIP

认知计算与数据处理 ：联结主义的套路 2017年数据与智能暑假讨论班 第0讲. 深度学习的基本方法 实验室同学、崇志宏 东南大学计算机学院数据与智能实验室 cse.seu.edu.cn/people/zhchong 提 I. 基础概念 – 图概率模型支持 向量机--深度模型深度贝叶斯模型 纲 – 推理和学习中的Intractability解决思路 – 知识和正则化 凸优化到非 凸优化的大胆应用 II. 分布结构获取 ：前馈网络解决问题的一般思路 – Boltsman机、Autoencoder – DAE、CAE、VAE到GAN、WGAN III. 记忆、关注和推理的结构 – LSTM和可微记忆网络 – Attention和推理的基本方法 IV. 其他模型 – 博弈/对偶学习 （群体智慧 ） – 强化学习 （策略学习 ） – 迁移学习 （适应学习 ） V. 建模与应用 （不确定、不完全、不一致问题的建模 ） – 语言和视觉 – 知识图谱、大数据、时空数据 – 关系、网络以及图 参考资料 其他相关文献 （PPT 内标注 ） • Mind • Behaviour 符号和联结 ：认知建模的可能方法 符号和联结 ：应用于数据处理 建模与应用 （不确定、不完全、不一致问题的建模 ） 语言和视觉 知识图谱、大数据、时空数据 关系、网络以及图 ♛业界需求 ：阿里对话机器人研发人才需求 • 理论模型 ：在知识图谱构建方面有较强的积累和研究 ，对深 度学习、增强学习等非常了解 ，有丰富的实践经验 ；   • 研究成果 ：发表过领域 内高质量论文 ，对人工智能的发展有一 定的前瞻性            • 影响力 ：具备行业影响力 ，能够通过行业影响力引领团队 ，构 建学术领域与工业领域的桥接 ，提升团队在学术领域以及工业 领域的影响力 • 应用建模 ：对大数据、 自然语言处理、建模方面有比较全面的 经验积累 ；                                              • 研发经验 ：带领团队完成过系统级的A I产 品的研发 ，对产 品的 架构、机制、功能有比较深刻的理解