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