图 书 馆境外开放课程——按学科专业列表
开放课程→自然科学→数学→组合数学::
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1Multiscale analysis on graphs[图的多尺度分析]
Mauro Maggioni(杜克大学) 最近已经证明对图的分析可以产生强大的学习算法，特别是在回归、分类和聚类方面。拉普拉斯算子在图上的特征函数是分析图上函数的自然基础，正如我们在本次会议的...
热度：41
Mauro Maggioni(杜克大学) 最近已经证明对图的分析可以产生强大的学习算法，特别是在回归、分类和聚类方面。拉普拉斯算子在图上的特征函数是分析图上函数的自然基础，正如我们在本次会议的...
热度：41
2Active Kernel Learning[有效学习内核]
Rong Jin(鲁汶大学) 识别给定数据集的适当内核功能/矩阵对于所有基于内核的学习技术都是必不可少的。过去，已经提出了许多内核学习算法，以标记示例或成对约束的形式从辅助信息中学...
热度：41
Rong Jin(鲁汶大学) 识别给定数据集的适当内核功能/矩阵对于所有基于内核的学习技术都是必不可少的。过去，已经提出了许多内核学习算法，以标记示例或成对约束的形式从辅助信息中学...
热度：41
3Exploring history through newspaper archives[通过报纸看历史]
Jasna Škrbec(约瑟夫·斯特凡学院) 本文提出了一种搜索和浏览报纸档案的管道。它使用算法组合从文本和工具中提取信息，以便可视化不同的文本结构，这些文本结构能够处理通常在档案中收集的大量文章...
热度：56
Jasna Škrbec(约瑟夫·斯特凡学院) 本文提出了一种搜索和浏览报纸档案的管道。它使用算法组合从文本和工具中提取信息，以便可视化不同的文本结构，这些文本结构能够处理通常在档案中收集的大量文章...
热度：56
4Semidefinite ranking on graphs[图表上的半定列排名]
Shankar Vembu(伊利诺伊大学) 我们考虑在给定一些偏好关系的情况下对无向图的顶点进行排序的问题。在使用[1]中的光谱弛豫之前，已经解决了关于图问题的这种排名。他们的方法与谱聚类算法中的...
热度：29
Shankar Vembu(伊利诺伊大学) 我们考虑在给定一些偏好关系的情况下对无向图的顶点进行排序的问题。在使用[1]中的光谱弛豫之前，已经解决了关于图问题的这种排名。他们的方法与谱聚类算法中的...
热度：29
5Large-scale Machine Learning and Stochastic Algorithms[机器学习和随机算法]
Léon Bottou(脸书公司) 该演示强调机器学习和传统优化方法之间的重要差异，并提出一些解决方案。第一部分讨论了两种渐近性质的相互作用：统计量和优化算法的相互作用。不太可能的优化算...
热度：40
Léon Bottou(脸书公司) 该演示强调机器学习和传统优化方法之间的重要差异，并提出一些解决方案。第一部分讨论了两种渐近性质的相互作用：统计量和优化算法的相互作用。不太可能的优化算...
热度：40
6Multi-Label Learning with Millions of Categories[多标签类别学习]
Manik Varma(微软公司) 我们的目标是构建一种算法，用于在输出空间包含数百万个类别时将数据点分类为一组标签。这是一种相对新颖的监督学习环境，带来了有趣的挑战，例如有效的培训和预...
热度：106
Manik Varma(微软公司) 我们的目标是构建一种算法，用于在输出空间包含数百万个类别时将数据点分类为一组标签。这是一种相对新颖的监督学习环境，带来了有趣的挑战，例如有效的培训和预...
热度：106
7Approximations with Reweighted Generalized Belief Propagation[近似再加权的广义传播]
Wim Wiegerinck(拉德堡德大学) 在（Wainwright等人，2002）中，已经开发了任意无向图形模型的对数分区函数的新的一般上界类。通过采用易处理分布的凸组合来构造该界限。到目前为止公布的实验结...
热度：43
Wim Wiegerinck(拉德堡德大学) 在（Wainwright等人，2002）中，已经开发了任意无向图形模型的对数分区函数的新的一般上界类。通过采用易处理分布的凸组合来构造该界限。到目前为止公布的实验结...
热度：43
8Scaled Gradients on Grassmann Manifolds for Matrix Completion[基于完备的Grassmann流形上的尺度梯度]
Thanh Ngo(明尼苏达大学) 本文描述了基于Grassmann流形上的缩放度量的梯度方法，用于低秩矩阵完成。所提出的方法显着改进了规范梯度方法，特别是在病态条件矩阵上，同时保持了既定的全局...
热度：51
Thanh Ngo(明尼苏达大学) 本文描述了基于Grassmann流形上的缩放度量的梯度方法，用于低秩矩阵完成。所提出的方法显着改进了规范梯度方法，特别是在病态条件矩阵上，同时保持了既定的全局...
热度：51
9Inverting the Viterbi Algorithm: an Abstract Framework for Structure Design[反维特比算法：结构设计的抽象框架]
Michael Schnall-Levin(麻省理工学院) 诸如隐马尔可夫模型（HMM）和随机上下文无关语法（SCFG）之类的概率语法形式已被广泛研究并广泛应用于许多领域。在这里，我们介绍了一种关于HMM和SCFG的新算法问...
热度：81
Michael Schnall-Levin(麻省理工学院) 诸如隐马尔可夫模型（HMM）和随机上下文无关语法（SCFG）之类的概率语法形式已被广泛研究并广泛应用于许多领域。在这里，我们介绍了一种关于HMM和SCFG的新算法问...
热度：81
10One-class Classification by Combining Density and Class Probability Estimation[密度估计与类概率相结合的一类分类]
Kathryn Hempstalk, Eibe Frank, Ian H. Witten(怀卡托大学) 一类分类具有重要的应用，例如异常值和新颖性检测。通常使用密度估计技术或通过使标准分类算法适应于划出描述目标数据的位置的决策边界的问题来解决它。在本文中...
热度：74
Kathryn Hempstalk, Eibe Frank, Ian H. Witten(怀卡托大学) 一类分类具有重要的应用，例如异常值和新颖性检测。通常使用密度估计技术或通过使标准分类算法适应于划出描述目标数据的位置的决策边界的问题来解决它。在本文中...
热度：74
11Prediction by random-walk perturbation[随机游走扰动预测]
Gergely Neu(INRIA研究机构) 我们提出了一个遵循扰动的领导者在线预测算法的版本，其中累积损失被独立的对称随机游走扰动。预测器显示出对最佳阶数O（√nlogN）的预期遗憾，其中n是时间范围...
热度：56
Gergely Neu(INRIA研究机构) 我们提出了一个遵循扰动的领导者在线预测算法的版本，其中累积损失被独立的对称随机游走扰动。预测器显示出对最佳阶数O（√nlogN）的预期遗憾，其中n是时间范围...
热度：56
12On combining graph-based variance reduction schemes[基于图的方差缩减方案的组合]
Vibhav Gogate(华盛顿大学) 在本文中，我们考虑了两个利用图形模型原始图结构的方差缩减方案:Rao-Blackwellised w-cutset抽样和和/或抽样。我们证明了这两种方案是正交的，可以结合在一起进...
热度：30
Vibhav Gogate(华盛顿大学) 在本文中，我们考虑了两个利用图形模型原始图结构的方差缩减方案:Rao-Blackwellised w-cutset抽样和和/或抽样。我们证明了这两种方案是正交的，可以结合在一起进...
热度：30
13Beyond infinity[超越无限]
Joel Feinstein(诺丁汉大学) 这个流行的数学讲座介绍了各种各样的无穷大，包括可数的和不可数的。这些概念以一种非正式的方式用希尔伯特无限旅馆的概念来说明。在这个演讲中，酒店经理试图将...
热度：47
Joel Feinstein(诺丁汉大学) 这个流行的数学讲座介绍了各种各样的无穷大，包括可数的和不可数的。这些概念以一种非正式的方式用希尔伯特无限旅馆的概念来说明。在这个演讲中，酒店经理试图将...
热度：47
14Topics in Combinatorial Optimization[组合优化]
Michel Goemans(麻省理工学院) 在这门研究生课程中，我们将涵盖组合优化的高级主题。我们将从非两部分匹配开始，涵盖许多结果，扩展匹配、流和矩阵的基本结果。重点是推导纯组合结果，包括最小...
热度：301
Michel Goemans(麻省理工学院) 在这门研究生课程中，我们将涵盖组合优化的高级主题。我们将从非两部分匹配开始，涵盖许多结果，扩展匹配、流和矩阵的基本结果。重点是推导纯组合结果，包括最小...
热度：301
1518.433 Combinatorial Optimization[18.433组合优化]
Prof. Santosh Vempala(麻省理工学院) 组合优化为线性规划和组合优化提供了一种彻底的处理方法。主题包括网络流、匹配理论、拟阵优化和NP硬问题的近似算法。
热度：48
Prof. Santosh Vempala(麻省理工学院) 组合优化为线性规划和组合优化提供了一种彻底的处理方法。主题包括网络流、匹配理论、拟阵优化和NP硬问题的近似算法。
热度：48