机器学习:
深度网络做人脸识别
从网络的输出看,从数学公式看
由优化一次变换到多次变换
应用:边界清楚 / 容错性强
游戏——边界很清楚,歧义小
Ride sharing——允许输出有误差
对安全精度要求高的场合——神经网络的边界/范围到底在哪?
从graph的角度研究神经网络
矩阵变换:行为边,列为点
Graph spectral analysis
LASSO
Graph neighborhood
数据:
传统:音频、图像、文本,有特殊的拓扑结构
新型数据:图结构
从pixel domain=>point domain
Multiview DNN
Feature mining on point clouds:
Kernel correlation and graph coding