【ICML2020Tutorial】机器学习信号处理，100页ppt

许多ML任务与信号处理有共同的实际目标和理论基础(例如，光谱和核方法、微分方程系统、顺序采样技术和控制理论)。信号处理方法是ML许多子领域中不可分割的一部分，例如，强化学习，哈密顿蒙特卡洛，高斯过程(GP)模型，贝叶斯优化，神经ODEs /SDEs。

本教程旨在涵盖与离散时间和连续时间信号处理方法相联系的机器学习方面。重点介绍了随机微分方程(SDEs)、状态空间模型和高斯过程模型的递推估计(贝叶斯滤波和平滑)。目标是介绍基本原则之间的直接联系信号处理和机器学习, (2) 提供一个直观的实践理解随机微分方程都是关于什么, (3) 展示了这些方法在加速学习的真正好处,提高推理,模型建立,演示和实际应用例子。这将展示ML如何利用现有理论来改进和加速研究，并为从事这些方法交叉工作的ICML社区成员提供统一的概述。