图 书 馆境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术→人工智能::
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
1617Robust Near-Separable Nonnegative Matrix Factorization Using Linear Optimization[基于线性优化的鲁棒近可分非负矩阵分解]
Nicolas Gillis(卢万天主教大学) 最近，非负矩阵因子分解（NMF）已被证明在可分性假设下是可处理的，这相当于输入数据矩阵的列属于由少量列生成的凸锥。Bittorf、Recht、R´e和Tropp（“用线性规...
热度：14
Nicolas Gillis(卢万天主教大学) 最近，非负矩阵因子分解（NMF）已被证明在可分性假设下是可处理的，这相当于输入数据矩阵的列属于由少量列生成的凸锥。Bittorf、Recht、R´e和Tropp（“用线性规...
热度：14
18Approval Voting and Incentives in Crowdsourcing[众包中的审批投票和激励措施]
Nihar B. Shah(加州大学伯克利分校) 对标记训练数据的需求日益增长，使得众包成为机器学习的重要组成部分。然而，众包标签的质量受到三个因素的不利影响：（1）工人不是专家；（2） 工人的激励措施...
热度：8
Nihar B. Shah(加州大学伯克利分校) 对标记训练数据的需求日益增长，使得众包成为机器学习的重要组成部分。然而，众包标签的质量受到三个因素的不利影响：（1）工人不是专家；（2） 工人的激励措施...
热度：8
19Classification and Clustering via Dictionary Learning with Structured Incoherence and Shared Features[基于结构不连贯和共享特征的字典学习的分类和聚类]
Pablo Sprechmann(明尼苏达大学) 基于结构不连贯和共享特征的字典学习的分类和聚类
热度：13
Pablo Sprechmann(明尼苏达大学) 基于结构不连贯和共享特征的字典学习的分类和聚类
热度：13
20Learning Overcomplete Latent Variable Models through Tensor Methods[用张量方法学习超完全潜变量模型]
Animashree Anandkumar(加州大学欧文分校) 我们为学习强调过完备状态的潜在变量模型提供了保证，其中潜在空间的维度超过了观察到的维度。特别地，我们考虑多视点混合、ICA和稀疏编码模型。我们的主要工具...
热度：12
Animashree Anandkumar(加州大学欧文分校) 我们为学习强调过完备状态的潜在变量模型提供了保证，其中潜在空间的维度超过了观察到的维度。特别地，我们考虑多视点混合、ICA和稀疏编码模型。我们的主要工具...
热度：12
21Lecture 14 - The Factor Analysis Model[第14讲-因子分析模型]
Andrew Ng(斯坦福大学) 因子分析模型，用于因子分析的0 EM，主成分分析（PCA），作为降维算法的PCA，PCA的应用，使用PCA的人脸识别
热度：8
Andrew Ng(斯坦福大学) 因子分析模型，用于因子分析的0 EM，主成分分析（PCA），作为降维算法的PCA，PCA的应用，使用PCA的人脸识别
热度：8
22Variational Gaussian Process[变分高斯过程]
Dustin Tran(哥伦比亚大学) 变分推理是一种强大的近似推理工具，最近它被应用于深度生成模型的表示学习。我们发展了变分高斯过程（VGP），这是一个贝叶斯非参数变分族，它调整其形状以匹配...
热度：58
Dustin Tran(哥伦比亚大学) 变分推理是一种强大的近似推理工具，最近它被应用于深度生成模型的表示学习。我们发展了变分高斯过程（VGP），这是一个贝叶斯非参数变分族，它调整其形状以匹配...
热度：58
2324Deep siamese neural network for prediction of long-range interactions in chromatin[用于预测染色质长程相互作用的深度暹罗的神经网络]
Davide Chicco(玛格丽特公主癌症中心) 用于预测染色质长程相互作用的深度暹罗的神经网络
热度：14
Davide Chicco(玛格丽特公主癌症中心) 用于预测染色质长程相互作用的深度暹罗的神经网络
热度：14
25Emergent Networks as Distributed Reputation System[作为分布式信誉系统的突发网络]
David Hales(博洛尼亚大学) 作为分布式信誉系统的突发网络
热度：13
David Hales(博洛尼亚大学) 作为分布式信誉系统的突发网络
热度：13
26Recombinator Networks: Learning Coarse-to-Fine Feature Aggregation[重组网络：从粗到细的特征聚合学习]
Sina Honari(蒙特利尔大学) 重组网络：从粗到细的特征聚合学习
热度：10
Sina Honari(蒙特利尔大学) 重组网络：从粗到细的特征聚合学习
热度：10
27Learning to Rank on a Cluster using Boosted Decision Trees[使用提升决策树在聚类上学习排序]
Krysta M. Svore(微软研究院) 使用提升决策树在聚类上学习排序
热度：14
Krysta M. Svore(微软研究院) 使用提升决策树在聚类上学习排序
热度：14
2829Learning to Rank Using Gradient Descent[学习使用梯度下降排序]
Chris Burges(微软研究院) 我们研究了使用梯度下降法学习排序函数;我们提出了一个简单的概率成本函数，并引入了RankNet（排名网），这是一个使用神经网络对底层排名函数建模的实现。我们给...
热度：16
Chris Burges(微软研究院) 我们研究了使用梯度下降法学习排序函数;我们提出了一个简单的概率成本函数，并引入了RankNet（排名网），这是一个使用神经网络对底层排名函数建模的实现。我们给...
热度：16
30Modern Convex Optimization Methods for Large-scale Empirical Risk Minimization[大规模经验风险最小化的现代凸优化方法]
Mark Schmidt(不列颠哥伦比亚大学计算机科学系) 本教程回顾了通过(正则化)经验风险最小化来训练(线性)预测器的凸优化的最新进展。我们专注于实际有效的方法，这些方法也配备了复杂性界限，确认算法适用于解决大...
热度：17
Mark Schmidt(不列颠哥伦比亚大学计算机科学系) 本教程回顾了通过(正则化)经验风险最小化来训练(线性)预测器的凸优化的最新进展。我们专注于实际有效的方法，这些方法也配备了复杂性界限，确认算法适用于解决大...
热度：17