国科大-模式识别-贝叶斯决策与模式识别应用
本节课讲解了贝叶斯决策的基本概念及其在模式识别中的应用，强调了该理论在统计分类中的重要性。课程开篇介绍了模式识别的基础方法，包括贝叶斯决策、特征表示、监督学习和无监督学习等。同时，深入探讨了贝叶斯决策规则的数学基础，讨论了后验概率的计算及其与特征空间的相互关系，分析了高斯分布的属性及其对决策面的影响。课上强调了贝叶斯分类器的理论最优性，并指出其实际应用中的一些挑战。
模式识别与贝叶斯决策基础
模式识别概念及应用背景:
探讨了模式识别的定义及其主要方法。学生在之前的课程中已对该领域有整体的了解，而贝叶斯决策的引入强化了这一认知。
作为一种使用生成模型的分类方法，贝叶斯决策强调最大后验概率的计算。深入理解后验概率及其在模式分类中的应用是学习的关键。
统计模式识别方法:
课程将统计模式识别方法分为生成模型和判别模型，通过比较参数与非参数方法增强理解，提升分析能力。
计算与决策优化
贝叶斯决策与条件概率:
探讨了已知类别数条件下的模式分类，强调通过输入特征进行判别的必要性，这对开发有效分类器尤其在复杂任务中至关重要。
贝叶斯决策的应用:
以 ...
国科大-算法设计与分析-写在后面
daf9e1003c8b639b6138b233a83323399bfd82f19c3ce896991a11483a2af5d86b8a9d8fcc0f1948f0ff6c9aeaa47432bc379a0caad8773707db959abfd252294df48838d9c81facd35b9cabba4c7d41d548d2009932d156119df1488cf7a8e48e2cda36de3b34492fbc24c25384dbd590fdc2fe3c39de166f5990b160c8fe483d3dfaa650614b24364bd46209882f1be37495c64e815666ec857cc85da058841b89788247a5537dc75e5b81b61f8378faa5f09b474f400d24ad981fba0db18d4f4c06cc957937ce0f7482a3b329ba3c6c6034e69eac6cb210e7261ac4c5fa332c62541bad530f1724d05e28cc557760
...
alg. des. -算法设计
daf9e1003c8b639b6138b233a83323390ecd82221112717508616ff4b12708fe2b454ea3dfaab2eb28c0918462c504e87d0e9b8d569196b0c5b0d4cc952d97452420dff03dcc1fcd6c4d290f23dc3f9900a463d3042157739dd384164fb78f30a008af41d710dc1bc739ec11b29b33c55f4be6cc1c188a606a816b156b8f98035fd6615276fe0d91919f5d8be9e0fb28b4f31ce0224a624616af3892b34c7f133f1c20fa3f19811f3ea422c086706906270284cbe946ff438a257d095efc286a277ad9372599e224161d9639929381c05176e21bb80ccdcebcf5ae1282ec28538e46e66d6ad52d0ba7db0f79847cd0e23d279f6f5b3b75e34 ...
2022年度总结
工作：
点云语义分割：将扫描仪重建出来的场景点云进行逐点分类。
输电线场景的参数化建模：利用无人机航拍的点云，恢复出野外地表面的稠密深度图与导线的参数化模型
学习：TUM-多视图几何
国科大-卜东波-计算机算法设计与分析
📗-算法设计
公开课-李沐-动手学习深度学习
📗-李航-机器学习方法
中科大-计算机图形学(未完成)
GAMES102-几何建模与处理(未完成)
深蓝学院-点云深度学习(弃)
中科大-凌青-凸优化(未完成)
📗-MVG-多视图几何(未完成)
📗-凸优化(未完成)
GAMES102-几何建模与处理-写在后面
刘利刚老师的另一门课，只听了前面几节课，感觉和我想听的有点不一样，有空再看
中科大-计算机图形学
国庆期间看了看：https://www.bilibili.com/video/BV1iT4y1o7oM/ ，中科大的计算机图形学课程是刘利刚老师面向大三的学生开始的，算是一门导论课。当然里面其实还是有很多编程的东西，想要学好图形学，编程首先要过关。
难度不是很大，整体看下来，感觉教的很好。首先是这个课程并不是单单的理论讲授，里面很大部分是编程实现，每节课都会让同学进行展示和demo讲解；其次刘老师在讲课期间，会将各个知识点讲的非常透彻，都是从机理层面去进行讲解，而不是照本宣科，有非常详细的逻辑和公式推导(不愧是数学出生的)；感觉跨度其实挺大的，从微分几何、到动力学、到计算机底层、内存指针再到深度学习都会讲一点。然后老师还会夹杂着讲一些方法论的东西，但不是那种学究式的说教，结合自身经历，站在学生的角度出发进行讲述。整体听下来感觉收获很大。此外刘老师在网站上还有很多他个人写的科技博文，也可以看看http://staff.ustc.edu.cn/~lgliu/
中科大-凸优化-从入门到放弃?
听中科大的同学说他们很多基础课会有很多的数学推导，存在性、准确性、完备性…
跟着凌老师上了前五节课后，算是了解了“凸”的定义，以及一些基础知识，后面的课程专门讲优化，比较硬核，感觉没有太多精力去跟下来…
希望后面自己可以静下心来上完…
CO-凸优化-弃坑
太理论了,如果是学生时代我大概会很有兴趣
李沐-动手学习深度学习-写在后面
daf9e1003c8b639b6138b233a83323399fc60797af84e9e02eb70b164d8b8f5cfd09b93f559d8ef885bc0a227eb79e80da64bf794bd8a00d346d5a297b0718fffcbb518b65599495a2f8a9054280a6676b40678af54b7a8c47ab889eb020fdaa00113359645f2ddcdbd34fb6d7baefa214b5b3351f0c9545ebfd6ff1affb56680b7e812eacb4fc0bfb3f794ad68ff3897172baeabc72a2d48f343451d52b9ee6e7100fe1dfaef7acae71074ea14587268f854a0eebf6d2a1490e3853cd12ae7a685417cd95a6636f4409d0312efbf23c53df7217e1b63bc910b3fbe722366823290f3fa7623208dec421264c2c8c7e4e4bd6af7187d35cb02 ...
李航-机器学习方法-写在阅读后
老师在书中写的三要素:模型\策略\方法这个总结的太棒了