图 书 馆境外开放课程——按学科专业列表
开放课程→自然科学→数学→数学分析::
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
136Semi-Supervised Learning Using Label Mean[使用标签均值的半监督学习]
Yu-Feng Li(南京大学) 半监督支持向量机（S3VM）通常直接估计未标记实例的标签分配。即使最近在（监督的）SVM的有效训练方面取得了进展，这通常也是低效的。在本文中，我们展示了具有...
热度：117
Yu-Feng Li(南京大学) 半监督支持向量机（S3VM）通常直接估计未标记实例的标签分配。即使最近在（监督的）SVM的有效训练方面取得了进展，这通常也是低效的。在本文中，我们展示了具有...
热度：117
137ABC-Boost: Adaptive Base Class Boost for Multi-Class Classification[ABC-Boost：用于多类分类的自适应基类升压]
Ping Li(康奈尔大学) 我们提出ABC Boost（自适应基类升压）用于多类分类，并提出ABC MART，ABC Boost的实现。原始的MART（多重加法回归树）算法在某些行业应用（例如，Web搜索）中很...
热度：229
Ping Li(康奈尔大学) 我们提出ABC Boost（自适应基类升压）用于多类分类，并提出ABC MART，ABC Boost的实现。原始的MART（多重加法回归树）算法在某些行业应用（例如，Web搜索）中很...
热度：229
138Block-Wise Construction of Acyclic Relational Features with Monotone Irreducibility and Relevancy Properties [具有单调不可约性和相关性的非线性关系特征的块智能构造]
Ondřej Kuželka(布拉格捷克技术大学) 我们描述了一种通过组合较小的连接块来构造一组非循环连接关系特征的算法。与保持频率单调性的传统水平方法不同，我们的分块方法保留了不可约性和相关性特征的单...
热度：74
Ondřej Kuželka(布拉格捷克技术大学) 我们描述了一种通过组合较小的连接块来构造一组非循环连接关系特征的算法。与保持频率单调性的传统水平方法不同，我们的分块方法保留了不可约性和相关性特征的单...
热度：74
139Rule Learning with Monotonicity Constraints[单调性约束的规则学习]
Wojciech Kotlowski(波兹南理工大学) 在具有单调性约束的序数分类中，假设类标签应随着属性值的增加而增加。在本文中，我们的目标是从统计学的角度将单调性约束的学习方法形式化，从而产生学习规则集...
热度：94
Wojciech Kotlowski(波兹南理工大学) 在具有单调性约束的序数分类中，假设类标签应随着属性值的增加而增加。在本文中，我们的目标是从统计学的角度将单调性约束的学习方法形式化，从而产生学习规则集...
热度：94
140Regularization and Feature Selection in Least Squares Temporal-Difference Learning[最小二乘时变差分学习中的正则化与特征选择]
J. Zico Kolter(卡内基梅隆大学) 我们用线性值函数逼近来考虑强化学习的任务。时间差分算法，特别是最小二乘时间差分（LSTD）算法，提供了用于学习值函数的参数的方法，但是当特征的数量很大时，...
热度：110
J. Zico Kolter(卡内基梅隆大学) 我们用线性值函数逼近来考虑强化学习的任务。时间差分算法，特别是最小二乘时间差分（LSTD）算法，提供了用于学习值函数的参数的方法，但是当特征的数量很大时，...
热度：110
141Orbit-Product Representation and Correction of Gaussian Belief Propagation[高斯信念传播的轨道 - 乘积表示与校正]
Jason K. Johnson(麻省理工学院) 我们提出了一种新的高斯信念传播（GaBP）视图，它基于行列式的表示作为图形的乘积或位。我们证明了GaBP确定估计捕获了图的完全回溯轨道，并考虑如何纠正这个估计...
热度：145
Jason K. Johnson(麻省理工学院) 我们提出了一种新的高斯信念传播（GaBP）视图，它基于行列式的表示作为图形的乘积或位。我们证明了GaBP确定估计捕获了图的完全回溯轨道，并考虑如何纠正这个估计...
热度：145
142An Accelerated Gradient Method for Trace Norm Minimization[一种用于迹线范数最小化的加速梯度法]
Shuiwang Ji(华盛顿州立大学) 我们考虑通过矩阵变量的跟踪范数规则化的平滑损失函数的最小化。这种公式可用于许多机器学习任务，包括多任务学习，矩阵分类和矩阵完成。针对该问题的标准半定规...
热度：159
Shuiwang Ji(华盛顿州立大学) 我们考虑通过矩阵变量的跟踪范数规则化的平滑损失函数的最小化。这种公式可用于许多机器学习任务，包括多任务学习，矩阵分类和矩阵完成。针对该问题的标准半定规...
热度：159
143Using Interior Point Methods for Optimization in Training Very Large Scale Support Vector Machines[利用内点法优化训练超大规模支持向量机]
Jacek Gondzio(爱丁堡大学) 在本次演讲中，我们将讨论用于解决在大规模支持向量机（SVM）训练环境中出现的优化问题的内点法（IPM）的问题。首先，我们将简要介绍线性和二次规划的IPM，并评...
热度：64
Jacek Gondzio(爱丁堡大学) 在本次演讲中，我们将讨论用于解决在大规模支持向量机（SVM）训练环境中出现的优化问题的内点法（IPM）的问题。首先，我们将简要介绍线性和二次规划的IPM，并评...
热度：64
144Analytic Moment-Based Gaussian Process Filtering[基于解析矩的高斯过程滤波]
Marc Peter Deisenroth(帝国理工学院) 我们提出了一种基于解析矩的滤波器，用于由高斯过程建模的非线性随机动力系统。为预测值和滤波器步骤提供了期望值和协方差矩阵的精确表达式，其中在后一种情况下...
热度：116
Marc Peter Deisenroth(帝国理工学院) 我们提出了一种基于解析矩的滤波器，用于由高斯过程建模的非线性随机动力系统。为预测值和滤波器步骤提供了期望值和协方差矩阵的精确表达式，其中在后一种情况下...
热度：116
145Matrix Computations in Machine Learning[机器学习中的矩阵计算]
Inderjit S. Dhillon(德克萨斯大学) Matrix Computations在科学和工程的所有领域都无处不在。在本次演讲中，我将首先调查矩阵计算中的一些传统问题，并讨论解决它们时出现的问题，例如精度，算法和...
热度：195
Inderjit S. Dhillon(德克萨斯大学) Matrix Computations在科学和工程的所有领域都无处不在。在本次演讲中，我将首先调查矩阵计算中的一些传统问题，并讨论解决它们时出现的问题，例如精度，算法和...
热度：195
146A Scalable Framework for Discovering Coherent Co-clusters in Noisy Data[一种用于在噪声数据中发现相干共聚类的可扩展框架]
Meghana Deodhar(德克萨斯大学) 聚类问题通常涉及数据集，其中只有一部分数据与问题相关，例如，在微阵列数据分析中，只有一部分基因在条件/特征的子集内显示出相同的表达。存在大量非信息数据...
热度：73
Meghana Deodhar(德克萨斯大学) 聚类问题通常涉及数据集，其中只有一部分数据与问题相关，例如，在微阵列数据分析中，只有一部分基因在条件/特征的子集内显示出相同的表达。存在大量非信息数据...
热度：73
147Multi-View Clustering via Canonical Correlation Analysis[基于典型相关分析的多视图聚类]
Kamalika Chaudhuri(加州大学圣地亚哥分校) 高维聚类数据被认为是一般的难题。近年来开发的多种有效聚类算法解决了将数据投影到较低维数子空间的问题，例如，在聚类之前，通过PrincipalComponents Analysis...
热度：250
Kamalika Chaudhuri(加州大学圣地亚哥分校) 高维聚类数据被认为是一般的难题。近年来开发的多种有效聚类算法解决了将数据投影到较低维数子空间的问题，例如，在聚类之前，通过PrincipalComponents Analysis...
热度：250
148Tractable Nonparametric Bayesian Inference in Poisson Processes with Gaussian Process Intensities[具有高斯过程强度的泊松过程中的可跟踪非参数贝叶斯推断]
Ryan Prescott Adams(多伦多大学) 非均匀泊松过程是一个点过程，其整个域（通常是时间或空间）具有不同的强度。对于非参数贝叶斯建模，高斯过程是一种在此强度上进行先验分布的有用方法。泊松过程...
热度：101
Ryan Prescott Adams(多伦多大学) 非均匀泊松过程是一个点过程，其整个域（通常是时间或空间）具有不同的强度。对于非参数贝叶斯建模，高斯过程是一种在此强度上进行先验分布的有用方法。泊松过程...
热度：101
149Archipelago: Nonparametric Bayesian Semi-Supervised Learning[Archipelago：非参数贝叶斯半监督学习]
Ryan Prescott Adams(多伦多大学) 半监督学习（SSL）是一种分类，可以使用其他未标记的数据来提高准确性。在这种情况下，生成方法很有吸引力，因为数据的概率密度模型可以用于识别聚类。非参数贝...
热度：101
Ryan Prescott Adams(多伦多大学) 半监督学习（SSL）是一种分类，可以使用其他未标记的数据来提高准确性。在这种情况下，生成方法很有吸引力，因为数据的概率密度模型可以用于识别聚类。非参数贝...
热度：101
150Laplace Maximum Margin Markov Networks[拉普拉斯最大保证金马尔可夫网络]
Jun Zhu(清华大学) 基于最大边际原理学习稀疏马尔可夫网络仍然是结构化预测中的一个开放问题。在本文中，我们提出了拉普拉斯最大边缘马尔可夫网络（LapM3N），以及贝叶斯M3N（BM3N...
热度：124
Jun Zhu(清华大学) 基于最大边际原理学习稀疏马尔可夫网络仍然是结构化预测中的一个开放问题。在本文中，我们提出了拉普拉斯最大边缘马尔可夫网络（LapM3N），以及贝叶斯M3N（BM3N...
热度：124