论文学习

神经元模型 神经网络中最基本的成分是神经元（neuron）模型，下图展示了M-P神经元模型，其原理是神经元接收到来自其他n个神经元传递过来的输入信号，输入信号通过带权重的连接（connection）来

经验误差与过拟合 error rate 错误率 and accuracy 精度 $m$个样本中有$a$个分类错误则错误率$E=a/m$，精度$=1-E$。 traning error 训练误差 or

论文链接 度量的定义及一些基本性质见链接 简介 许多学习和数据挖掘算法的性能都依赖于他们的输入是否有一个好的度量，例如K-means，近邻分类器和核算法（如SVM）都需要一个好的度量来很好地反映数据间

原文链接 什么是函数 一切想法的起源来自：一个函数实际上是一个无限的向量，如下图所示： 对于一个定义在区间$[a,b]$内的函数，根据间隔$\Delta x$取样本，如果在点$[a,x_1,...,x

论文链接 研究背景 一个通用的能提高几乎所有机器学习算法性能的方法就是在相同的数据上训练许多不同的模型，然后取这些模型预测结果的均值。但是，使用这样的预测模型是很麻烦的，特别是当单个模型是大型神经网络

A Survey on Transfer Learning 原文链接 迁移学习简介 传统的数据挖掘和机器学习算法通过统计模型预测未来的数据，而统计模型是通过以前收集的有标记或无标记的数据上训练出来的。

模态的定义为从不同的领域采集或从不同的特征提取器中提取的异构特征集合。由于异构数据的迅猛增长，多模态学习近些年获得巨大的关注。 模态特征集描述了相同的主体并提供了主体的共享和补充信息。多模态学习通过