知识科学系列：机器学习及其应用2017

　　《机器学习及其应用2017（中国计算机学会学术著作丛书——知识科学系列）》是对第十三届和第十四届中国机器学习及其应用研讨会的一个总结，共邀请了与会的7位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究进展。这些内容涉及稳健的矩阵回归模型、低秩模型的闭解、面向大规模学习的随机优化、张量分解、基于递归神经网络的图像描述算法、标记分布学习及其应用，以及软件缺陷挖掘。 本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员阅读参考。

暂缺《知识科学系列：机器学习及其应用2017》作者简介

目录
1引言
2Tucker分解
3CP分解
4非参贝叶斯分解
4.1InfTucker分解
4.2InfTucker算法
4.3实验结果
5结束语参考文献基于递归神经网络的图像描述算法靳骏奇闫子昂张长水
1引言
2相关工作
3模型与方法
3.1基于多尺度局部色块的图像表示
3.2基于注意力的递归神经网络解码器
4实验与分析
4.1实验设定
4.2定量评估结果
4.3微软比赛结果
4.4定性评估结果
5结束语参考文献标记分布学习及其应用耿新徐宁
1引言
2学习框架
2.1符号及形式化定义
2.2评价指标
3标记分布学习算法
3.1“问题转化”算法
3.2“算法改造”算法
3.3专用算法
4标记分布学习应用
4.1原始数据中的标记分布
4.2基于先验知识的标记分布
4.3从数据集中学到的标记分布
5结束语参考文献软件缺陷挖掘黎铭
1引言
2基于编程模式挖掘软件缺陷
3基于缺陷标注挖掘软件缺陷
4基于缺陷报告挖掘软件缺陷
5结束语参考文献