本书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。

本书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。

前言 高阳陈松灿2017年9月4日机器学习及其应用2017目录稳健的矩阵回归模型与方法杨 健罗 雷1引言2基于核范数的稳健矩阵回归3基于推广幂指数分布的稳健矩阵回归4基于核L1范数的联合矩阵回归5基于树结构核范数的稳健矩阵回归6结束语参考文献若干低秩子空间恢复模型的闭解及其应用林宙辰1引言2无噪低秩表示模型的闭解2.1应用： 潜在低秩表示模型的推导3无噪潜在低秩模型的闭解3.1应用： 提升潜在低秩表示模型的聚类性能4若干主要低秩模型的解之间的关系4.1解的质量的比较4.2求解速度的比较5闭解应用的另一个例子： 仿射变换下特征点误匹配检测6结束语参考文献面向大规模机器学习的随机优化张利军1引言2相关工作3降低时间复杂度3.1研究背景3.2阶段混合梯度下降3.3实验4降低空间复杂度4.1研究背景4.2随机临近梯度下降4.3实验5总结与展望附录参考文献非参贝叶斯张量分解研究徐增林贺丽荣严，丰漆，远机器学习及其应用