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。