重点: 感知器,(批处理算法,改进);如何做多类分类(一对多,多对一),svm;反向传播算法(优缺点);卷积神经网络(如何构造,怎么解释,自组织映射的原理,径向基函数也看看);RNN,STLM作为了解;聚类:如何从混合密度估计到kmeans;准则;挑战性问题;层次聚类;谱聚类(原理,写出一种算法,基本计算过程)。强调问题的描述!!建模!!有无标签,原理(准则,如反向传播-误差传播),任务。adaboost的原理,基本智能过程,为什么有效(最大margin算法-支持向量机)。adaboost那节课的重点是模型选择的原则,分类器集成的基本方法,以及adaboost的原理及其训练的基本计算步骤。