境外开放课程——按学科专业列表
开放课程→自然科学→信息科学与系统科学::

166
Information Theoretic Model Selection in Clustering[聚类中的信息论模型选择 ]
  Joachim M. Buhmann(苏黎世联邦理工学院) 聚类中的模型选择要求（i）指定聚类原理，以及（ii）根据数据中的噪声水平确定适当数量的聚类。我们提倡信息理论视角，其中数据集中的不确定性在聚类的解空间中...
热度：42

167
No-Free-Lunch Theorems for Transfer Learning [转移学习没有免费午餐定理 ]
  Shai Ben-David(滑铁卢大学 ) 我将提出一个正式的转移学习框架，并调查在哪些条件下可以为这种情况提供性能保证。我将讨论两个关键问题：* 1）对于在（不同的）源任务上训练的预测器，哪个任...
热度：76

168
Relax and Randomize: From Value to Algorithms[松弛和随机化：从值到算法]
  Karthik Sridharan(康奈尔大学) 我们展示了一种从最小极大分析中推导出在线学习算法的原则方法。先前被认为是非构造性的各种上界值minimax值被证明可以产生算法。这允许usto无缝地恢复已知方法...
热度：84

169
Complexity of Inference in Latent Dirichlet Allocation[潜在狄利克雷分配中推理的复杂性]
  David Sontag(纽约大学) 我们考虑潜在Dirichlet分配（LDA）中概率推理的计算复杂性。首先，我们研究了找到主题的最大后验（MAP）分配问题的问题，其中文档的主题分布被整合出来。我们表...
热度：71

170
Fast and Accurate k-means For Large Datasets[大数据集快速准确的k均值]
  Michael Shindler(俄勒冈州立大学) 群集是许多应用程序的常见问题。我们认为$ k $意味着在数据太大而无法存储在主存储器中并且必须按顺序访问的情况下，例如从磁盘访问，并且我们必须使用尽可能少...
热度：65

171
Efficient Online Learning via Randomized Rounding[通过随机舍入实现高效的在线学习]
  Ohad Shamir(魏茨曼科学研究所) 今天机器学习中使用的大多数在线算法都是基于镜像下降的变体或跟随领导者。在本文中，我们提出了一种基于完全不同的方法的在线算法，它结合了“随机播出”和丢失...
热度：91

172
From kernels to causal inference[从内核到因果推理]
  Bernhard Schölkopf(马克斯普朗克研究所) 机器学习中的核方法已经从用于构建非线性算法的技巧扩展到用于分析更高阶统计量和分布属性的通用工具。他们也在因果推理中找到了应用，这是一个有趣的领域，通过...
热度：77

173
Solving Decision Problems with Limited Information[用有限的信息解决决策问题]
  Denis D. Mauá(Dalle-Molle感知人工智能研究所) 我们提出了一种新算法，用于精确解决作为影响图表示的决策问题。我们不需要通常的假设，即不遗忘和规律，这使我们能够解决有限信息的问题。该算法实现了复杂的变...
热度：20

174
Active Classification based on Value of Classifier[基于分类器值的主动分类]
  Tianshi Gao(斯坦福大学) 现代分类任务通常涉及许多类标签，并且可以通过广泛的特征来通知。通过构建一组分类器来解决许多这些任务，然后在测试时应用这些分类器，然后在预先确定的或在训...
热度：52

175
Scalable Training of Mixture Models via Coresets[基于核心集的混合模型可扩展训练]
  Matthew Faulkner(加州理工学院) 我们如何在海量数据集上训练统计混合模型？在本文中，我们将展示如何构建高斯混合和自然概括的核心集。核心集是数据的加权子集，这保证了适合核心集的模型也能够...
热度：117

176
Manifold Tangent Classifier[流形切线分级机]
  Yann Dauphin(蒙特利尔大学) 我们结合以前建立分类器工作中存在的三个重要思想：半监督假设（输入分布包含有关分类器的信息），无监督流形假设（数据密度集中在低维流形附近），以及分类的多...
热度：29

177
The Kernel Beta Process[内核测试过程]
  David E Carlson(杜克大学) 提出了一种新的Lévy过程，用于无数的协变量依赖性学习措施的收集;该模型称为内核beta过程（KBP）。通过内核构造有效地处理可用的协变量，假设每个数据样本（“客...
热度：23

178
Budgeted Optimization with Concurrent Stochastic-Duration Experiments[并行随机时长实验的预算优化]
  Javad Azimi(俄勒冈州立大学) 预算优化涉及通过在智能选择的输入处请求有限数量的功能评估来优化评估成本高的未知功能。典型的问题公式假设实验是一次一个地选择，实验总数有限，但未能捕捉到...
热度：34

179
Continuous-Time Regression Models for Longitudinal Networks[纵向网络的连续时间回归模型]
  Arthur Asuncion(加利福尼亚大学) 连续时间纵向网络数据的统计模型的发展对机器学习和社会科学越来越感兴趣。利用生存和事件历史分析的思想，我们为网络事件数据引入了连续时间回归建模框架，该框...
热度：50

180
High-Dimensional Graphical Model Selection[高维图形模型选择]
  Animashree Anandkumar(加利福尼亚大学) 在n i.i.d中我们考虑了Ising和Gaussian图形模型选择的问题。来自模型的样本。我们提出了一种基于有效阈值的结构估计算法，称为条件互信息测试。这种简单的本地算...
热度：43