Source: http://ml.memect.com/archive/2015-07-10/long.html
稀疏表示综述
来自 @蒲公英的美好时光 好东西传送门整理
一篇对稀疏表示进行大量总结的综述性文章，A survey of sparse representation: Algorithms and applications, 发表不到一个月，下载量排名在所发表期刊的前十！ @邓伟洪_北邮 @传媒老跟班 @好东西传送门 [1] [1] http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7102696&punumber%3D6287639
有哪些比较新的自然图像配准算法？
来自 @Vinjn张静 好东西传送门整理
关键词：算法, 视觉
我在 @知乎 回答了【在SIFT和SURF之后，有哪些比较新的且具有一定影响力的自然图像配准算法？】：我就提一下 OpenCV 中实现的特征点算法 答案都在代码中。 OpenCV 中和 2D 特征检测相关的算法的头文件位于 opencv\modules\featur… [1] [1] http://zhi.hu/oG6v
在线教育领域的机器学习应用
来自 @InfoQ 好东西传送门整理
关键词：应用, 算法, 视觉, 深度学习, 自然语言处理, 推荐系统
【在线教育领域的机器学习应用】我们将传统教育中的能力反应模型（IRT）和一些经典的机器学习模型（LR、FTRL）相结合用来预测用户的高考分，利用推荐系统算法来为用户挑选最能提升其能力的题目，利用深度学习技术来做拍照搜题，还有很多图像处理、自然语言处理相关的应用。 [1] [1] http://www.infoq.com/cn/presentations/machine-learning-application-in-online-education-field
Berkeley BDAS的新项目Splash
来自 @张雨辰_CAL 好东西传送门整理
关键词：架构, 算法, Spark, 论文, 教育网站
欢迎关注Berkeley BDAS的新项目Splash。Splash提供了一套简单的编程框架，它允许用户实现单线程的SGD、Gibbs Sampling等各类流式算法。而系统在Spark框架内实现单线程算法的自动并行化。介绍： [1] ；项目主页： [2] ；相关论文： [3] [1] https://amplab.cs.berkeley.edu/announcing-splash-efficient-stochastic-learning-on-clusters/
[2] http://zhangyuc.github.io/splash/
[3] http://arxiv.org/abs/1506.07552
The Model Complexity Myth
来自 @星空下的巫师 好东西传送门整理
The Model Complexity Myth，模型复杂度的比较入门易懂的解释 #机器学习# [1] [1] http://t.uc.cn/7_jbsz
完整版
点此链接查看全部41条：http://ml.memect.com/archive/2015-07-10/long.html