Lecture Course

  • 2022年 科普报告--迈向类人自主驾驶

     视频链接 https://mp.weixin.qq.com/s/V19JOgdnaBEcCZPg4JlsRA

  • 2019年 国家开放大学”对话人工智能“系列公开课程--人工智能与自主系统(2018.12录制,按30分钟每讲录制,共五讲。在国家开放大学网站上被重新编成23讲,每讲4-25分钟,可国家开放大学的微信公众号-终身教育平台上的数字化与行业应用专题中找到,课程名称为:自主智能系统与无人驾驶。或点击链接:https://le.ouchn.cn/courseDetails/CAAA010000026157

      第1讲:人工智能与自主系统引论

      第2讲:机器感知理解与学习(上)

      第3讲:机器感知理解与学习(下)
      第4讲:无人驾驶:由自动到自主(上)

      第5讲:无人驾驶:由自动到自主(下)

  • 2018年公开课-国家自然科学基金委员会科学传播中心“双清科普讲堂”-无人驾驶:自动到自主的跨越

      视频链接  https://mp.weixin.qq.com/s/r9M23d5Yk1hQNSTxbnGRVQ

  • 研究生课程《多媒体与数字视频技术》Multimedia and Digital Video Technologies (for graduate students,1999-2017)
  • 本科生课程《模式识别与机器学习》Pattern Recognition and Machine Learning (for undergraduate students,  since Spring 2013-2021),主要讲授模式识别与机器学习的基础理论和方法。

 

 

 重要声明:本课程的讲义、课件及视频资料仅供选课同学个人的学习参考,请勿用于任何商业目的任何形式扩散。

 

本科生课程

 

1)模式识别与机器学习(2013-2021)48学时,  Course Code: AUTO546005.

No          Topics Documents 视频链接
1 绪论  2月18日

1) https://xjvideo.xjtudlc.com/52403/20200218/3-52403-202002181000-202002181100.mp4

2)https://xjvideo.xjtudlc.com/52403/20200218/3-52403-202002181100-202002181200.mp4

2   贝叶斯决策理论-1  2月20日

1)https://xjvideo.xjtudlc.com/52403/20200220/3-52403-202002201000-202002201100.mp4

2)https://xjvideo.xjtudlc.com/52403/20200220/3-52403-202002201100-202002201200.mp4 

3   贝叶斯决策理论-2  2月25日

1)https://xjvideo.xjtudlc.com/52403/20200225/3-52403-202002251000-202002251100.mp4

2)https://xjvideo.xjtudlc.com/52403/20200225/3-52403-202002251100-202002251200.mp4 

4   贝叶斯决策理论-3  2月27日

1) https://xjvideo.xjtudlc.com/52403/20200227/3-52403-202002271000-202002271100.mp4

2) https://xjvideo.xjtudlc.com/52403/20200227/3-52403-202002271100-202002271200.mp4 

5   线性判别函数-1  3月3日

1) https://xjvideo.xjtudlc.com/52403/20200303/3-52403-202003031000-202003031100.mp4

2) https://xjvideo.xjtudlc.com/52403/20200303/3-52403-202003031100-202003031200.mp4

6   线性可分与非线性可分  3月5日

1) https://xjvideo.xjtudlc.com/52403/20200305/3-52403-202003051000-202003051100.mp4

2)https://xjvideo.xjtudlc.com/52403/20200305/3-52403-202003051100-202003051200.mp4

 7    最优超平面  3月10日

1)  https://xjvideo.xjtudlc.com/52403/20200310/3-52403-202003101000-202003101100.mp4

2) https://xjvideo.xjtudlc.com/52403/20200310/3-52403-202003101100-202003101200.mp4

8    支持向量机  3月12日

 1) https://xjvideo.xjtudlc.com/52403/20200312/3-52403-202003121000-202003121100.mp4

2) https://xjvideo.xjtudlc.com/52403/20200312/3-52403-202003121100-202003121200.mp4

 9

 集成学习

 3月17日

1) https://xjvideo.xjtudlc.com/52403/20200317/3-52403-202003171000-202003171100.mp4

2)https://xjvideo.xjtudlc.com/52403/20200317/3-52403-202003171100-202003171200.mp4

 10

神经

网络

 3月19日

1) https://xjvideo.xjtudlc.com/52403/20200319/3-52403-202003191000-202003191100.mp4

2) https://xjvideo.xjtudlc.com/52403/20200319/3-52403-202003191100-202003191200.mp4

 11 卷积神经网络  3月24日

1) https://xjvideo.xjtudlc.com/52403/20200324/3-52403-202003241000-202003241100.mp4 

2) https://xjvideo.xjtudlc.com/52403/20200324/3-52403-202003241100-202003241200.mp4

12

最大似然估计

3月26日 

1) https://xjvideo.xjtudlc.com/52403/20200326/3-52403-202003261000-202003261100.mp4 

2) https://xjvideo.xjtudlc.com/52403/20200326/3-52403-202003261100-202003261200.mp4

13 贝叶斯参数估计,   3月31日

       https://xjvideo.xjtudlc.com/52403/20200331/3-52403-202003311000-202003311100.mp4

14 非参数估计-KDE,   3月31日

       1) https://xjvideo.xjtudlc.com/52403/20200331/3-52403-202003311100-202003311200.mp4

       4月2日

       2) https://xjvideo.xjtudlc.com/52403/20200402/3-52403-202004021000-202004021100.mp4

15 非参数估计方法-KNN,4月2日

      https://xjvideo.xjtudlc.com/52403/20200402/3-52403-202004021100-202004021200.mp4

16 无监督学习-聚类       4月7日

     1) https://xjvideo.xjtudlc.com/52403/20200407/3-52403-202004071000-202004071100.mp4

     2) https://xjvideo.xjtudlc.com/52403/20200407/3-52403-202004071100-202004071200.mp4

17 无监督学习-混合体模型  4月9日

     1) https://xjvideo.xjtudlc.com/52403/20200409/3-52403-202004091000-202004091100.mp4

     2) https://xjvideo.xjtudlc.com/52403/20200409/3-52403-202004091100-202004091200.mp4

 

 

 

2)强化学习与自然计算(2021-),AUTO400727,64学时。