Active Learning
■ http://active-learning.net/,这里包括了关于 Active Learning 理论以及应用的一些文章,特别是那篇 Survey。
Transfer Learning
■ http://www.cse.ust.hk/TL/,包括经典的论文以及附带有源码,很方便。
Gaussian Processes
■ http://www.gaussianprocess.org 包括相关的书籍(有 Carl Edward Rasmussen 的书),相关的程序以及分类的 paper 列表。这也是由 Carl 自己维护的,他应该是将 GP 引入 machine learning 最早的人之一了吧,Hinton 的学生。
Nonparametric Bayesian Methods
■ http://www.cs.berkeley.edu/~jordan/npb.html 这个一看就知道是 Jordan 维护的,主要包括 Dirichlet process 以及相关的其他随机过程在 machine learning 里面如何进行建模,如何进行 approximate inference。主要是文章列表。
Probabilistic Graphical Model
■ http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html 是 Kevin Murphy 所维护的关于 Bayesian Belief Networks 的介绍,含有最基本的概念、相关的文献和软件的链接。罕见的 UCB 出来的不是 Jordan 的学生(老板是 Stuart Russel)。
■ http://www.cs.berkeley.edu/~jordan/graphical.html 是 Jordan 系关于这个方面的论文汇编。
■ http://www.inference.phy.cam.ac.uk/hmw26/crf/ 是关于 Conditional Random Fields 方面论文和软件的收集,由 Hanna Wallach 维护。
Compressed Sensing
■ http://www-dsp.rice.edu/cs 这是 Rice 大学维护的论文分类列表、软件链接等。推荐 Emmanuel Candès 所写的tutorial,这人是 David Donoho 的学生。
Tensor
■ http://csmr.ca.sandia.gov/~tgkolda/pubs/index.html 关于 tensor 的一些偏数学的文章。
Deep Belief Network
■ http://www.cs.toronto.edu/~hinton/csc2515/deeprefs.html 是 Geoffrey Hinton 为研究生开设的 machine learning 课程的 DBN 的 reading list。
Kernel Methods
■ http://www.cs.berkeley.edu/~jordan/kernels.html 是 Jordan 维护的关于 kernel methods 的文章列表。
Markov Logic
■ http://ai.cs.washington.edu/pubs 是 UW AI 组的文章,里面关于 Markov logic 的比较多,因为 Pedro Domingos 就是这个组的。