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→机械工程→机械学::
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
16Partially Observed Maximum Entropy Discrimination Markov Networks[部分可观测的最大熵辨别马尔可夫网络]
Jun Zhu(卡内基梅隆大学) 学习带有隐藏变量的图形模型可以为复杂数据提供语义洞察，并在不依赖昂贵的、有时无法完全注释的训练数据的情况下产生显著的结构化预测因子。虽然基于可能性的方...
热度：42
Jun Zhu(卡内基梅隆大学) 学习带有隐藏变量的图形模型可以为复杂数据提供语义洞察，并在不依赖昂贵的、有时无法完全注释的训练数据的情况下产生显著的结构化预测因子。虽然基于可能性的方...
热度：42
17Some Challenging Machine Learning Problems in Computational Biology: Time-Varying Networks Inference and Sparse Structured Input-Out Learning[计算生物学中的一些挑战性机器学习问题：时变网络推理和稀疏结构化输入法学习]
Eric P. Xing(卡内基梅隆大学) 在诸如微阵列和全基因组测序等高通量技术的最新进展导致了新的生物数据的雪崩，这些数据是动态的、嘈杂的、异质的和高维的。它们在机器学习和高维统计分析方面提...
热度：46
Eric P. Xing(卡内基梅隆大学) 在诸如微阵列和全基因组测序等高通量技术的最新进展导致了新的生物数据的雪崩，这些数据是动态的、嘈杂的、异质的和高维的。它们在机器学习和高维统计分析方面提...
热度：46
18Relational Learning as Collective Matrix Factorization[集体矩阵分解的关系学习]
Ajit Singh(卡内基梅隆大学) 我们提出了矩阵分解模型的统一观点，包括奇异值分解、非负矩阵分解、概率潜在语义索引，以及将这些模型推广到指数族和非正则布列格曼发散。可以将关系数据建模为...
热度：80
Ajit Singh(卡内基梅隆大学) 我们提出了矩阵分解模型的统一观点，包括奇异值分解、非负矩阵分解、概率潜在语义索引，以及将这些模型推广到指数族和非正则布列格曼发散。可以将关系数据建模为...
热度：80
19Probabilistic Decision-Making Under Model Uncertainty[不确定性条件下模型的概率决策]
Joelle Pineau(麦吉尔大学) 部分可观测马尔可夫决策过程为不确定性下的决策提供了一个丰富的数学框架。近年来，在给出域参数模型的基础上，提出了一系列优化作用选择的方法。然而，在许多应...
热度：38
Joelle Pineau(麦吉尔大学) 部分可观测马尔可夫决策过程为不确定性下的决策提供了一个丰富的数学框架。近年来，在给出域参数模型的基础上，提出了一系列优化作用选择的方法。然而，在许多应...
热度：38
20Local Minima Free Parameterized Appearance Models [局部最小自由参数化外观模型]
Minh Hoai Nguyen(卡内基梅隆大学) 参数化外观模型（PAM）（例如特征跟踪、活动外观模型、变形模型）通常用于对图像中对象的外观和形状变化进行建模。尽管与替代方法相比，PAM有许多优点，但它们至...
热度：53
Minh Hoai Nguyen(卡内基梅隆大学) 参数化外观模型（PAM）（例如特征跟踪、活动外观模型、变形模型）通常用于对图像中对象的外观和形状变化进行建模。尽管与替代方法相比，PAM有许多优点，但它们至...
热度：53
21Discovering Cyclic Causal Models by Independent Components Analysis[通过独立成分分析发现循环因果模型]
Gustavo Lacerda(卡内基梅隆大学) 本文将首先介绍Shimizu等人（2006）基于ICA的方法（Lingam），从因果充分的连续值观测数据中发现非循环（DAG）线性结构方程模型（SEMS）。这是值得注意的，因为...
热度：57
Gustavo Lacerda(卡内基梅隆大学) 本文将首先介绍Shimizu等人（2006）基于ICA的方法（Lingam），从因果充分的连续值观测数据中发现非循环（DAG）线性结构方程模型（SEMS）。这是值得注意的，因为...
热度：57
22Rare Category Detection for Spatial Data[空间数据的罕见类别检测]
Jingrui He(卡内基梅隆大学) 对于一个未标记的不平衡数据集，稀有类别检测的目标是从具有少量标签请求的少数类中发现示例。稀有类别检测是机器学习中的一个公开挑战，它有许多应用，如金融欺...
热度：47
Jingrui He(卡内基梅隆大学) 对于一个未标记的不平衡数据集，稀有类别检测的目标是从具有少量标签请求的少数类中发现示例。稀有类别检测是机器学习中的一个公开挑战，它有许多应用，如金融欺...
热度：47
23Introduction to Machine Learning[ 机器学习简介]
Arindam Banerjee(明尼苏达大学) 在过去的几十年中，机器学习领域已经显著成熟，从统计学、优化和人工智能等多个学科中汲取了灵感。机器学习的应用在从互联网应用到科学问题的各种领域都取得了重...
热度：47
Arindam Banerjee(明尼苏达大学) 在过去的几十年中，机器学习领域已经显著成熟，从统计学、优化和人工智能等多个学科中汲取了灵感。机器学习的应用在从互联网应用到科学问题的各种领域都取得了重...
热度：47
24Introduction to Machine Learning[机器学习概论]
John Quinn(麦克雷雷大学) 本文从实践的角度概述了机器学习。从我们可能想要解决的问题（在视觉、信号处理和地理空间推理中）和我们必须做出的假设开始，它涵盖了许多不同的有监督和无监督...
热度：60
John Quinn(麦克雷雷大学) 本文从实践的角度概述了机器学习。从我们可能想要解决的问题（在视觉、信号处理和地理空间推理中）和我们必须做出的假设开始，它涵盖了许多不同的有监督和无监督...
热度：60
25CS402: Theory of Automata[自动机理论]
Dr. Shahid Siddiqi(巴基斯坦虚拟大学) 语言、Kleen闭包、递归定义、正则表达式、有限和无限语言、正则语言、不规则语言、带输出的有限自动机、有限自动机及其语言、转换图、不确定、不规则语言、抽运...
热度：56
Dr. Shahid Siddiqi(巴基斯坦虚拟大学) 语言、Kleen闭包、递归定义、正则表达式、有限和无限语言、正则语言、不规则语言、带输出的有限自动机、有限自动机及其语言、转换图、不确定、不规则语言、抽运...
热度：56
26Larger Residuals Less Work: Active Document Scheduling for Latent Dirichlet Allocation[较大的残差较少的工作：活动文档调度隐含狄利克雷分布]
Mirwaes Wahabzada(弗劳恩霍夫协会) 近年来, 在潜在 dirichlet 分配 (lda) 的快速推理方面取得了相当大的进展。特别是, 具有自然梯度步长的变分贝叶斯 (vb) 目标函数的随机优化被证明是收敛的, 能够...
热度：77
Mirwaes Wahabzada(弗劳恩霍夫协会) 近年来, 在潜在 dirichlet 分配 (lda) 的快速推理方面取得了相当大的进展。特别是, 具有自然梯度步长的变分贝叶斯 (vb) 目标函数的随机优化被证明是收敛的, 能够...
热度：77
27Learning from Inconsistent and Unreliable Annotators by a Gaussian Mixture Model and Bayesian Information Criterion[通过高斯混合模型和贝叶斯信息准则从不一致和不可靠的注释者学习]
Zoran Obradovic(天普大学) 从多个注释器中进行监督学习是机器学习和数据挖掘中一个越来越重要的问题。本文针对这一问题的概率方法, 在注释器不仅不可靠, 而且根据数据的不同而具有不同的性...
热度：59
Zoran Obradovic(天普大学) 从多个注释器中进行监督学习是机器学习和数据挖掘中一个越来越重要的问题。本文针对这一问题的概率方法, 在注释器不仅不可靠, 而且根据数据的不同而具有不同的性...
热度：59
28Gaussian Logic for Predictive Classification[高斯逻辑的预测分类]
Ondřej Kuželka(捷克理工大学) 我们描述了一个称为高斯逻辑的统计关系学习框架, 它能够有效地处理关系数据和数值数据的组合。该框架假定, 对于固定的关系结构, 数值数据可以通过多变量正态分布...
热度：57
Ondřej Kuželka(捷克理工大学) 我们描述了一个称为高斯逻辑的统计关系学习框架, 它能够有效地处理关系数据和数值数据的组合。该框架假定, 对于固定的关系结构, 数值数据可以通过多变量正态分布...
热度：57
29Sparse methods for machine learning: Theory and algorithms[机器学习方法稀疏的理论与算法]
Guillaume Obozinski(国立巴黎高等矿业学院) 近年来, l1 规范的规范化等稀疏方法引起了人们对统计、机器学习和信号处理的极大兴趣。在最小二乘线性回归的上下文中, 这个问题通常被称为套索或基础追求。本教...
热度：60
Guillaume Obozinski(国立巴黎高等矿业学院) 近年来, l1 规范的规范化等稀疏方法引起了人们对统计、机器学习和信号处理的极大兴趣。在最小二乘线性回归的上下文中, 这个问题通常被称为套索或基础追求。本教...
热度：60
30Algorithms for Predicting Structured Data[算法预测结构化数据]
Thomas Gartner, Shankar Vembu(弗劳恩霍夫协会) 结构化预测是预测内部结构复杂的多个输出及其之间的依赖关系的问题。用于预测结构化数据的算法和模型已经使用了很长时间。例如, 递归神经网络和隐藏马尔可夫模型...
热度：61
Thomas Gartner, Shankar Vembu(弗劳恩霍夫协会) 结构化预测是预测内部结构复杂的多个输出及其之间的依赖关系的问题。用于预测结构化数据的算法和模型已经使用了很长时间。例如, 递归神经网络和隐藏马尔可夫模型...
热度：61