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::

106
Can diagrammatic reasoning be automated[图表推理可以自动化吗]
  Mateja Jamnik(剑桥大学) 自动定理证明中的定理通常由形式逻辑证明来证明。但是，存在一些问题，人类可以通过在图表上使用几何运算来证明，即所谓的图表证明。与相应的代数证明相比，在这...
热度：50

107
An Introduction to Project Halo[Halo项目简介]
  Mark Greaves(火神公司) 在本次演讲中，我将介绍由Paul Allen的Vulcan Inc.赞助的大规模人工智能研究计划Halo项目。Halo项目包含三个部分：1）一个称为AURA的专家系统，用于科学中的知识...
热度：80

108
Subgroup discovery experiments in functional genomics[功能基因组学中的亚组发现实验]
  Dragan Gamberger(鲁尔·博斯科维奇研究所) 功能基因组学是典型的科学发现领域，其特征是相对于实例（观察）的数量而言，属性（基因）数量非常多。在此类领域，数据过度拟合的危险至关重要。为了避免这种陷...
热度：36

109
Comparison of information retrieval techniques: Latent semantic indexing (LSI) and Concept indexing (CI)[信息检索技术的比较：潜在语义索引（LSI）和概念索引（CI）]
  Jasminka Dobsa(萨格勒布大学) 向量空间模型中的信息检索基于文档和查询中术语的文字匹配。该模型是通过创建术语文档矩阵来实现的，该文档矩阵基于文档中术语的频率而形成。术语的字面匹配不一...
热度：91

110
Automatic Annotation of Images using Ensembles of Trees for Hierarchical Multi-label Classification[使用树的集合对图像进行自动注释，以进行多层多标签分类]
  Ivica Dimitrovski(约瑟夫·斯特凡学院) 这项研究提出了一种用于视觉概念检测和图像标注的大规模系统。该系统由两部分组成：特征提取和分类/注释。特征提取部分以数值矢量的形式提供图像的全局和局部描...
热度：79

111
Explanation of SVM's behaviour in text classification[文本分类中SVM行为的解释]
  Fabrice Colas(莱顿大学) 我们关注在文本分类中学习分类规则的问题，许多作者提出了支持向量机（SVM）作为领先的分类方法。然而，大量研究反复指出，在某些情况下，SVM在简单方法（如朴素...
热度：31

112
Learning from Labeled and Unlabelled Data: When the Smoothness Assumption Holds[从标记和未标记的数据中学习：保持平稳性假设时]
  Michelangelo Ceci(巴里大学) 近年来，人们越来越对能够利用标记和未标记数据进行预测任务的学习算法感兴趣。引起关注的原因是分配标签的成本对于大型数据集而言可能非常高。文献中提出了两个...
热度：29

113
Spooky Stuff in Metric Space[公制空间中的怪异物品]
  Rich Caruana(微软公司) 决策树是可理解的，但是它们的性能是否足以让您使用它们？是SVM取代了神经网络，还是神经网络最适合回归，而SVM最适合分类？提升可以最大化支持SVM的利润，但是...
热度：56

114
Object-Oriented Natural Language RequirementsSpecification[面向对象的自然语言规范]
  Barrett Bryant(阿拉巴马大学) 软件技术的最新进展，例如**统一建模语言（UML）**的开发，并没有减少对更好的需求规范的需求。自然语言仍然是选择生成此类文档的方法。在完成实现的过程中，必...
热度：62

115
Social-media blog tagging: Metadata or “just more content” ?[社交媒体博客标记：元数据还是“更多内容”？]
  Bettina Berendt(柏林洪堡大学) 与传统元数据的创作不同，标签的创作在用户中非常受欢迎。这为组织内容提供了前所未有的机会。但是，标签仍然知之甚少。它们是什么意思，它们在什么意义上与元数...
热度：41

116
Self-organization in Distributed Semantic Repositories[分布式语义存储库中的自组织]
  Kia Teymourian(柏林自由大学) 自然界启发的自组织原理可以帮助应对未来互联网基础架构中巨大的可扩展性挑战。我们研究了用于语义信息聚类的类似蚂蚁的机制。我们概述了将相关信息存储在集群中...
热度：19

117
Classification of social network sites based on network indexes and communication patterns[基于网络索引和通信模式的社交网站分类]
  Fujio Toriumi(名古屋大学) 我们分析了许多小型社交网络服务（SNS）的数据，并根据其结构和通信模式对其进行了分类。使用这种分类，我们分析了它们的特征，发现它们大多数具有小世界，无标...
热度：39

118
Learning with Many Reproducing Kernel Hilbert Spaces[用许多可复制内核希尔伯特空间来辅助学习]
  Ming Yuan(乔治亚理工学院) 在本次演讲中，我们考虑了学习目标函数的问题，该目标函数属于大量可再生内核Hilbert空间的线性跨度。在许多实践情况下，以ANOVA，加性模型和多核学习作为最著名...
热度：66

119
Some results for the adaptive Lasso[自适应套索的一些结果]
  Sara van de Geer(苏黎世联邦理工学院) 我们考虑具有n个观测值和p>> n变量的高维线性回归模型。自适应套索使用具有加权l_1罚分的最小二乘损失，其中权重与系数的初始估计量的倒数成比例。我们例如显示...
热度：102

120
Matching Pursuit Kernel Fisher Discriminant Analysis[匹配追踪核Fisher判别分析]
  Tom Diethe(亚马逊公司) 我们考虑了用于监督学习的高维非线性变量选择问题。我们的方法是基于在特征或正定核的数个定义明确的特征组之间执行线性选择，这些特征描述了原始变量之间的非线...
热度：23