于剑，博士，目前任北京交通大学计算机学院教授，博导，人工智能研究院常务副院长，是交通数据分析与挖掘北京市重点实验室主任，中国计算机学会会士，中国计算机学会人工智能与模式识别秘书长，中国人工智能学会机器学习专委会副主任。长期从事机器学习、自然语言处理等的研究和应用。在国际杂志、国际会议和国内一级刊物上发表学术论文数100余篇。出版有学术专著《机器学习：从公理到算法》。

　　《机器学习及其应用2019》是对第十五届和第十六届中国“机器学习及其应用”研讨会的一个总结，邀请了与会的11位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究成果。内容涉及深度学习、主动学习、子空间学习、随机优化、因果图模型、聚类、分类等，介绍了新型深度学习范式，以及机器学习在机器翻译、大数据分析等方面的应用。
　　《机器学习及其应用2019》可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员阅读参考。

关于深度学习的一点思考
1 引言
2 深度神经网络
3 为何“深”
4 为何有必要探讨DNN之外的深度模型
参考文献

随机梯度下降郎之万动力学的泛化分析
1 介绍
2 基本设定
3 理想情况：Langevin方程的泛化性能
4 离散时间序列下SGLD的稳定性
5 离散情形下SGLD算法的PAC-Bayesian理论
6 结论
参考文献
A附录

因果和因果图模型
1 引言
2 因果
3 因果图模型
4 图模型空间
5 总结和讨论
参考文献

一致性学习理论研究
1 引言
2 相关工作
3 噪声环境下k近邻方法一致性
4 Pairwise损失函数一致性
5 总结与展望
参考文献

大规模分类任务的分层学习
1 引言
2 类别的层次结构
3 分层分类的性能评价
4 层次结构的构建
5 分层分类的特征选择
6 分层分类器学习
7 停止机制设计
8 总结与展望
参考文献

概念器的发展与应用
1 概念器模型
2 基于概念器的深度神经网络模型
参考文献
……
从谱聚类到自注意力模型——谈经典机器学习在深度学习时代的新形态
子空间学习研究进展与展望
主动学习研究简介
神经机器翻译
面向个性化教育的大数据分析方法研究与应用