授权首发：徐亦达老师精选论文集和课件下载

2020-04-17 16:11:49 浏览数 (1)

徐亦达老师一直致力于国内的机器学习推广，在他授权下，本站公布徐亦达老师的精选论文70篇，以及他上课的课件，并提供下载

徐亦达，现任悉尼科技大学教授，UTS全球数据技术中心机器学习和数据分析实验室主任。主要研究方向是机器学习，数据分析和计算机视觉。他在国际重要期刊与会议发表数篇高影响因子论文；编写了大量的数理统计、概率和机器学习教材。

精选论文

徐亦达老师和他的团队精选了70篇论文，其中包括了非参贝叶斯算法的研究和应用，行列式点过程，3D计算机视觉，带约束下几何优化，非负矩阵分解，视频跟踪，GAN的文字到图像产生等课题 。

原文的github：https://github.com/roboticcam/publications

文末提供下载

精选期刊论文

  • Li, Y., Li, K., Xu, R. Y. D., Wang, X., (2020), Exploring Temporal Consistency for Human Pose Estimation in Videos, accepted Jan 2020, Pattern Recognition, IF 5.898
  • Li, C., Xie, H., Fan, X, Xu, R. Y. D., Van Huffel, S., Mengersen K., (2020), Kernelized Sparse Bayesian Matrix Factorization, accepted Feb 2020 IEEE Transactions on Neural Networks and Learning Systems, IF 11.683
  • Li M., Xu, R. Y. D., Xin, J., Zhang, K., Jing, J., (2020) Fast non-rigid points registration with cluster correspondences projection, 170, 107425, Signal Processing, IF 4.086
  • Li, C., Xie, H., Fan, Xu, R.Y.D., Van Huffel, S., Mengersen K., (2019), Image denoising based on nonlocal Bayesian singular value thresholding and Stein's unbiased risk estimator, 28 (10), pp. 4899 – 4911 IEEE Transactions on Image Processing, IF 6.79
  • Jiang S., Li K, Xu, R.Y.D., (2019) Relative Pairwise Relationship Constrained Non-negative Matrix Factorisation, Vol. 31, No. 8, pp.1595 – 1609 IEEE Transactions on Knowledge and Data Engineering, IF 3.857
  • Bargi, A., Xu, R.Y.D., & Piccardi, M., (2018) AdOn HDP-HMM: An Adaptive Online Model for Segmentation and Classification of Sequential Data, 29 (9), pp. 3953 - 3968 IEEE Transactions on Neural Networks and Learning Systems IF 11.683
  • Xuan, J., Lu, J., Zhang, G., Xu, R.Y.D., & Luo, X., (2017) Doubly Nonparametric Sparse Nonnegative Matrix Factorization based on Dependent Indian Buffet Processes, Vol 29, NO. 5 pp. 1835 - 1849 IEEE Transactions on Neural Networks and Learning Systems IF 11.683
  • Li, J., Deng, C., Xu, R.Y.D., Tao, D., & Zhao, B., (2017), Robust Object Tracking with Discrete Graph Based Multiple Experts, Vol 26, Issue 6, pp. 2736 - 2750, IEEE Transactions On Image Processing, IF 6.79
  • Xuan, J., Lu, J., Zhang, G., Xu, R.Y.D., Luo, X., (2017) Bayesian Nonparametric Relational Topic Model through Dependent Gamma Processes, Vol.29, Issue 7, pp. 1357 – 1369 IEEE Transactions on Knowledge and Data Engineering IF 3.857
  • Fan, X., Xu, R.Y.D., Cao, L., Song. Y., (2017), Learning Nonparametric Relational Models by Conjugately Incorporating Node Information in a Network. Vol 47(3), pp. 589 – 599 IEEE Transaction on Cybernetics, IF 10.387
  • Xuan, J., Lu, J., Zhang, G., Xu, R.Y.D., Luo, X., (2017), A Bayesian Nonparametric Model for Multi-Label Learning, Volume 106, Issue 11, pp 1787–1815 Machine Learning IF 2.809
  • Li, J., Zhao, B., Deng, C., & Xu, R.Y.D., (2016), Time Varying Metric Learning for visual tracking, vol. 80, pp. 157-164. Pattern Recognition Letters, IF 2.810
  • Qiao, M., Xu, R.Y.D., Bian, W. & Tao, D. (2016), Fast sampling for time-varying Determinantal Point Processes, vol. 11, no. 1. ACM Transactions on Knowledge Discovery from Data, IF 1.000
  • Kemp, M., Xu, R.Y.D., (2015), Geometrically-constrained balloon fitting for multiple connected ellipses, vol. 48, no. 7, pp. 2198-2208. Pattern Recognition, IF 5.898
  • Qiao, M., Bian, W., Xu, R.Y.D., Tao, D., (2015), Diversified Hidden Markov Models for Sequential Labeling, vol. 27, no. 11, pp. 2947-2960. IEEE Transactions on Knowledge and Data Engineering, IF 3.857
  • Fan, X., Cao, L., Xu, R.Y.D., (2015), Dynamic Infinite Mixed-Membership Stochastic Blockmodel, Vol. 26, Issue 9, pp. 2072 - 2085, IEEE Transactions on Neural Networks and Learning Systems IF 11.683
  • Zare Borzeshi, E., Concha, O.P., Xu, R.Y.D., & Piccardi, M. (2013), Joint Action Segmentation and Classification by an Extended Hidden Markov Model, vol. 20, no. 12, pp. 1207-1210. IEEE Signal Processing Letters, IF 3.268
  • Xu, R.Y.D., & Kemp, M. (2010), Fitting Multiple Connected Ellipses To An Image Silhouette Hierarchically, vol. 19, no. 7, pp. 1673-1682. IEEE Transactions On Image Processing, IF 6.79
  • Xu, R.Y.D., & Kemp, M. (2010), An Iterative Approach for Fitting Multiple Connected Ellipse Structure to Silhouette, vol. 31, no. 13, pp. 1860-1867. Pattern Recognition Letters, IF 2.810

arXiv论文

  • Xu, R.Y.D., Caron, F., Doucet., A (2016), Bayesian nonparametric image segmentation using a generalized Swendsen-Wang algorithm, arXiv:1602.03048

精选会议论文

  • Huang, W., Xu, R. Y. D., Du, W., Zeng Y., and Zhao Y., (2020) Mean field theory for deep dropout networks: digging up gradient backpropagation deeply (to appear), the 24th European Conference on Artificial Intelligence arXiv version(ECAI 2020)
  • Li, Y., Li., K, Jiang., S, Zhang., Z Y, Huang., C Z T and Xu, R. Y. D., (2020) Geometry Self-Supervised method for 3D Human Pose, Association for the Advancement of Artificial Intelligence (AAAI 2020)
  • Huang, W., Xu, R.Y.D., Oppermann, I., (2019), Realistic Image Generation using Region-phrase Attention, Asian Conference eon Machine Learning, PMLR 101:284-299, 2019, (ACML 2019)
  • Huang, W., Xu, R.Y.D., Oppermann, I., (2019), Efficient Diversified Mini-Batch Selection using Variable High-layer Features, Asian Conference on Machine Learning, PMLR 101:300-315, 2019, (ACML 2019)
  • Fan., X, Xu., R. Y. D., Cao., L (2016), Copula Mixed-Membership Stochastic Blockmodel, International Joint Conference on Artificial Intelligence (IJCAI 2016)
  • Li, Q, Bian., W, Xu., R. Y. D., You., J and Tao., D (2016), Random Mixed Field Model for Mixed-Attribute Data Restoration, Association for the Advancement of Artificial Intelligence (AAAI 2016)
  • Xuan, J., Lu, J., Zhang, G., Xu, R.Y.D., Luo, X.,(2015), Infinite Author Topic Model based on Mixed Gamma-Negative Binomial Process, IEEE International Conference on Data Mining (ICDM 2015)
  • Li, M., Xu, R. Y.D., & He, X.J. 2015, Face hallucination based on Nonparametric Bayesian learning, IEEE International Conference on Image Processing, (ICIP 2015) Quebec City, Canada, pp. 986-990.
  • Bargi, A., Xu, R. Y. D., Ghahramani Z, Piccardi., M (2014), A non-parametric conditional factor regression model for high-dimensional input and response, Seventeenth International Conference on Artificial Intelligence and Statistics (AISTAT 2014), pp.77-85
  • Bargi A., Xu, R. Y. D., Piccardi M, (2014), An Infinite Adaptive Online Learning Model for Segmentation and Classification of Streaming Data, International Conference on Pattern Recognition (ICPR 2014)
  • Xu, R. Y. D., Kemp, M., (2009), Multiple Curvature Based Approach to Human Upper Body Parts Detection with Connected Ellipse Model Fine-Tuning, IEEE International Conference on Image Processing (ICIP2009), Cairo Egypt
  • Xu, R. Y. D., Brown, J., Traish, J., Dezwa, D., (2008), A Computer Vision Based Camera Pedestal's Vertical Motion Control. International Conference on Pattern Recognition (ICPR 2008), Florida, USA
  • Xu, R. Y. D., (2008). A Computer Vision based Whiteboard Capture System, IEEE Workshop on Application of Computer Vision (WACV 2008), Colorado, USA
  • Xu, R. Y. D., Gao, J., Antolovich, M., (2008), Novel Methods for High-Resolution Facial Image Capture using Calibrated PTZ and Static Cameras, IEEE International Conference on Multimedia & Expo (ICME 2008), Hanover, Germany: 45-48.
  • Allen, J. G., Xu, R. Y. D., Jin, J., (2003), Object Tracking Using CamShift Algorithm and Multiple Quantized Feature Spaces, Pan-Sydney Area Workshop on Visual Information Processing (VIP2003), Sydney, Australia: 3-7 480 Google citations

课件目录

徐亦达老师课件的github：

https://github.com/roboticcam/machine-learning-notes

前言

  • 笔记的视频演示
  • 最近的研究讲义
  • 噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化

一、基础知识

1.概率论与数理统计基础

  • 贝叶斯模型
  • 概率估计
  • 统计属性

2.概率模型

  • E-M算法
  • 状态空间模型（动态模型）

3.高级概率模型

  • 贝叶斯非参数（BNP）及其推导基础
  • 贝叶斯非参数（BNP）扩展
  • 行列式点过程

4.推导课件

  • 变分推导
  • 随机矩阵
  • 蒙特卡洛简介
  • 马尔可夫链蒙特卡洛
  • 粒子滤波器（序列蒙特卡洛）

二、深度学习

  • 优化方法
  • 神经网络
  • 卷积神经网络：从基础到最近的研究
  • 词表示和近似Softmax
  • 深度自然语言处理
  • 深度增强学习
  • 受限玻尔兹曼机

三、数据科学

  • 30分钟介绍人工智能和机器学习
  • 回归方法
  • 推荐系统
  • 降维
  • 数据分析简介和相关的jupyternotebook

四、致谢

徐亦达老师的课件的内容简介及相关文件

前言

  • 笔记的视频演示

简介：

徐亦达老师在2015年用中文录制了这些课件中约20％的内容 (备注：课件为全英文)，大家可以在YouTube、哔哩哔哩 以及优酷观看和下载。

YouTube：

https://www.youtube.com/channel/UConITmGn5PFr0hxTI2tWD4Q

哔哩哔哩：

https://space.bilibili.com/327617676

优酷：

http://i.youku.com/i/UMzIzNDgxNTg5Ng

  • 最近的研究讲义

2018年7月在创新工厂和北大合办的DeeCamp的课件(当概率遇到神经网络)

简介：

主题包括：EM算法和矩阵胶囊网络;行列式点过程和神经网络压缩; 卡尔曼滤波器和LSTM; 模型估计和二分类问题关系。

文件：DeeCamp2018_Xu_final.pptx

  • 噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化

简介：

噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化以及自然梯度的详细说明。

文件：selected_probability.pdf

一、基础知识

1.概率论与数理统计基础

  • 贝叶斯模型

简介：

贝叶斯模型的修订包括贝叶斯预测模型，条件期望。

文件：bayesian.pdf

  • 概率估计

简介：一些有用的分布，共轭，MLE，MAP，指数族和自然参数。

文件：probability.pdf

  • 统计属性

简介：有用的统计属性可以帮助我们证明事物，包括切比雪夫和马尔科夫不等式。

文件：statistics.pdf

2.概率模型

  • E-M算法

简介：E-M的收敛证明，E-M到高斯混合模型的例子。

文件：em.pdf，gmm_demo.m，kmeans_demo.m

优酷链接：http://v.youku.com/v_show/id_XMTM1MjY1MDU5Mg

  • 状态空间模型（动态模型）

简介：

详细解释了卡尔曼滤波器和隐马尔可夫模型。

文件：

dynamic_model.pdf，kalman_demo.m

优酷链接：

隐马尔可夫模型：http://v.youku.com/v_show/id_XMTM1MzQ1NDk5Ng

卡尔曼滤波：http://v.youku.com/v_show/id_XMTM2ODU1MzMzMg

3.高级概率模型

  • 贝叶斯非参数（BNP）及其推导基础

简介：

Dircihlet Process（DP），中国餐厅流程见解。

文件：

non_parametrics.pdf ，dirichlet_process.m， chinese_restaurant_process.ipynb

优酷链接：

http://v.youku.com/v_show/id_XMTM3NDY0MDkxNg

  • 贝叶斯非参数（BNP）扩展

简介：

分层DP，HDP-HMM，印度自助餐过程（IBP）。

文件：non_parametrics_extensions.pdf

  • 行列式点过程

简介：

解释DPP的边际分布，L-ensemble，其抽样策略，我们在时变DPP中的工作细节。

文件：dpp.pdf

4.推导课件

  • 变分推导

简介：

解释变分贝叶斯非指数和指数族分布加上随机变分推导。

文件：

variational.pdf ，vbnormalgamma.m

优酷链接：

http://v.youku.com/v_show/id_XMTM1Njc5NzkxNg

  • 随机矩阵

简介：

随机矩阵，幂方法收敛定理，详细平衡和PageRank算法。

文件：stochastic_matrices.pdf

  • 蒙特卡洛简介

简介：

逆CDF，消除，自适应消除，重要性采样。

文件：

introduction_monte_carlo.pdf ，adaptiverejectionsampling.m，hybrid_gmm.m

  • 马尔可夫链蒙特卡洛

简介：

M-H, Gibbs, SliceSampling,Elliptical Slice sampling, Swendesen-Wang, demonstrate collapsed GibbsusingLDA

文件：

markov_chain_monte_carlo.pdf，ldagibbsexample.m ，test_autocorrelation.m， gibbs.m

优酷链接：

http://v.youku.com/v_show/id_XMTM1NjAyNDYyNA

  • 粒子滤波器（序列蒙特卡洛）

简介：

连续蒙特卡罗方法，冷凝滤波算法，辅助粒子滤波器。

文件：particle_filter.pdf

优酷链接：

http://v.youku.com/v_show/id_XMTM3MTE1Mjk2OA

二、深度学习

  • 优化方法

简介：

常用的优化方法。不仅限于深度学习。

文件：optimization.pdf

  • 神经网络

简介：

基本神经网络和多层感知器。

文件：neural_networks.pdf

  • 卷积神经网络：从基础到最近的研究

简介：

卷积神经网络的详细解释，各种损失函数，中心损失函数，对比损失函数，残差网络，YOLO，SSD。

文件：cnn_beyond.pdf

  • 词表示和近似Softmax

简介：

Word2Vec, skip-gram, GloVe, 噪声对比估计，负采样，Gumbel-max技巧。

文件：

word_vector.pdf

  • 深度自然语言处理

简介：

RNN，LSTM，具有注意力机制的Seq2Seq，集束搜索，RNN，LSTM，具有注意力机制的Seq2Seq，集束搜索，Attention is all you need，卷积Seq2Seq，指针网络。

文件：deep_nlp.pdf

  • 深度增强学习

简介：

强化学习的基础知识，马尔可夫决策过程，贝尔曼方程，并进入深度Q学习（正在建设中）

文件：dqn.pdf

  • 受限玻尔兹曼机

简介：

受限玻尔兹曼机（RBM）的基础知识

文件：rbm_gan.pdf

三、数据科学

  • 30分钟介绍人工智能和机器学习

简介：

用30分钟来介绍人工智能和机器学习。 （感谢徐亦达老师的博士生常皓东进行协助编辑）

文件：30_min_AI.pptx

  • 回归方法

简介：

分类：Logistic回归和Softmax分类；回归：线性回归，多项式回归，混合效果模型。

文件：regression.pdf， costFunction.m，soft_max.m

  • 推荐系统

简介：

协同过滤，分解机，非负矩阵分解，乘法更新规则。

文件：recommendation.pdf

  • 降维

简介：

典型的PCA和 t-SNE。

文件：dimension_reduction.pdf

  • 数据分析简介和相关的jupyternotebook

简介：

机器学习和数据科学的三个视角。 监督与无监督学习，分类准确性。

文件：AI_and_machine_learning.pdf

下载

可以在徐亦达老师的github直接下载：

https://github.com/roboticcam

由于github速度慢，推荐用百度云下载：

https://pan.baidu.com/s/1Z30LzdspxQ4h0IAGOdMyew 提取码: s9b9

若被和谐请回复“徐亦达”获取下载地址。

linux 机器学习 processing http https

0 人点赞