讲座 主题 1 课程概览 2 透视学习问题 3 正则化的解 4 再生核 Hilbert 空间 5 传统的逼近方法 6 非参数化技术和正则化理论 7 岭逼近技术 8 正则化网络及相关内容 9 应用于金融学 10 统计学习理论导论 11 经验风险最小化原则的一致性 12 VC 维和 VC 界 13 回归和结构风险最小化的VC理论 14 用于分类的支持向量机 15 项目讨论 16 用于回归的支持向量机 17 当前研究热点 I: 核方法 18 应用于计算机视觉和计算机图形学 19 神经科学 I 20 神经科学 II 21 当前研究热点 II: 误差逼近和逼近论 22 当前研究热点 III: 支持向量机的理论与实现 23 当前研究热点 IV: 基于支持向量机的特征选择及生物信息学应用 24 当前研究热点 V: Bagging 和 Boosting 25 选讲: 小波和框架 26 项目陈述