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::

121
Sparsity in online multitask/multiview learning[在线多任务/多视图学习中的稀疏性]
  Nicolò Cesa-Bianchi(米兰大学) 对于交互学习系统的研究，多任务和多视图学习是一个有趣的案例。在本演讲中，我们描述了在多任务/多视图域中的结果，其中通过在在线学习框架中施加几何和光谱性...
热度：60

122
High-Dimensional Non-Linear Variable Selection through Hierarchical Kernel Learning[通过分层核学习进行高维非线性变量选择]
  Francis R. Bach(INRIA研究机构) 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：51

123
Multi-Task Learning via Matrix Regularization[通过矩阵正则化进行多任务学习]
  Andreas Argyriou(巴黎中心学校) 我们提出了一种学习跨多个任务共享表示的方法。最近，多任务学习在诸如协同过滤，对象检测，数据库集成，信号处理等应用中变得越来越重要。我们的方法解决了学习...
热度：95

124
Identifying Feature Relevance using a Random Forest[利用随机森林识别特征相关性]
  Jeremy D. Rogers(南安普敦大学) 许多特征选择算法受到限制，因为它们试图通过单独检查特征来识别相关的特征子集。本文介绍了一种使用在决策树集合构建过程中获得的平均信息增益来确定特征相关性...
热度：166

125
Online feature selection for contextual time series data[上下文时间序列数据的在线特征选择]
  Petteri Nurmi(国赫尔辛基科技机构) 我们提出了一种从时间序列数据中选择在线特征的简单而有效的方法。我们的方法基于计算不同特征的特征并使用高斯核计算特征对的相似度值。我们的动机是设计一种方...
热度：27

126
What is the Optimal Number of Features? A learning theoretic perspective[功能的最佳数量是多少？从学习理论视角解读]
  Amir Navot(耶路撒冷希伯来大学) 在本文中，我们从统计机器学习的角度讨论了监督学习的特征选择问题。我们询问哪些特征子集将导致最佳分类准确性。很明显，如果统计模型是已知的，或者如果存在无...
热度：76

127
Feature-Learning from Pairs of Examples in Collections of Supervised Learning Tasks[监督学习任务集合中成对实例的特征学习]
  Andreas Maurer(斯特尔莫成像) 我们提出了一种算法，该算法使用相等或不等等类标签的示例对来选择内核诱导Hilbert空间上的投影。在Hilbert Schmidt算子空间上作为有界线性函数的.nite维投影的...
热度：59

128
Semantic text features from small world graphs[小世界地图的语义文本特征]
  Jure Leskovec(斯坦福大学) 我们提出了一组用于从文本文档集合创建语义表示的方法。给定文档集合，我们使用简单的算法将文档连接到树或图形。使用强加的拓扑，我们定义了一个特征和文档相似...
热度：78

129
Random projection, margins, kernels, and feature-selection[随机投影，边距，内核和特征选择]
  Avrim Blum(卡内基梅隆大学) 随机投影是一种简单的技术，通常可以洞察诸如“为什么拥有较大利润率这是一件好事？”之类的问题。或“内核实际上在做什么，它们与功能选择有何相似之处？”在本...
热度：37

130
A compact high-brilliance SAXS/SWAXS/GISAXS instrument for laboratory use[实验室用小型高亮度saxs/swaxs/gisaxs仪器]
  Peter Laggner(奥地利科学院) 提供紧凑的模块化实验室装置，用于2 D SAXS，SWAXS和GISAXS，具有高亮度，有助于散装材料，液晶，（生物）聚合物或纳米颗粒溶液和薄固体薄膜的纳米结构分析。该...
热度：71

131
Analytical electron microscopy of nanoparticles[纳米粒子的分析电子显微镜]
  Goran Dražić(约瑟夫·斯特凡学院) 分析电子显微镜（AEM）是用于纳米结构材料的微观结构研究的重要工具。专用的FEG仪器可使用多种方法研究纳米级体积，例如高分辨率透射电子显微镜（HRTEM），高分...
热度：55

132
Variable selection in nonparametric additive models[非参数加性模型中的变量选择]
  Joel Horowitz(西北大学) 我们考虑条件均值函数的非参数加性模型，其中变量和加性成分的数量可能远大于样本数量，但非零加性成分的数量相对于样本数量较小。统计问题是确定哪些添加剂成分...
热度：133

133
Sparse Canonical Correlation Analysis[稀疏典范相关分析]
  David R. Hardoon(伦敦全球大学) 我们提出了一种使用最小二乘法求解稀疏凸框架中的典范相关分析（CCA）的新颖方法。提出的方法着重于一个场景，当一个人对第一个视图感兴趣（或仅限于）原始表示...
热度：279

134
The incoherence condition in additive models[加性模型中的不相干条件]
  Sara van de Geer(苏黎世联邦理工学院) 我们将使用套索进行正则化的思想扩展到具有p个成分的加性模型（p大于样本大小n）的情况。我们的方法具有组Lasso型结构，并惩罚了加性模型中组件的非平滑性。为了...
热度：144

135
Group Decision Making and Leveraging of Interests[集体决策和利益杠杆]
  Vladislav Rajkovič(约瑟夫·斯特凡学院) 本文讨论了群体决策作为一种管理决策知识的方法。描述了团队决策的利弊。特别强调利用不同利益和制定联合决定的可能性。可用的方法和技术以及适当组织的小组工作...
热度：34