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::
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
151On Multi-View Active Learning and the Combination with Semi-Supervised Learning[多视图主动学习与半监督学习相结合]
Zhi-Hua Zhou(南京大学) 多视图学习已成为过去几年的热门话题。在本文中，我们首先描述多视图主动学习的样本复杂性。在α扩展假设下，我们得到样本复杂度从通常的Õ（1 /ε）到Õ（log 1 /ε...
热度：179
Zhi-Hua Zhou(南京大学) 多视图学习已成为过去几年的热门话题。在本文中，我们首先描述多视图主动学习的样本复杂性。在α扩展假设下，我们得到样本复杂度从通常的Õ（1 /ε）到Õ（log 1 /ε...
热度：179
152Prediction with Expert Advice for the Brier Game[用Brier游戏的专家建议进行预测]
Fedor Zhdanov(伦敦大学学院) 我们证明了Brier预测游戏是可混合的，并为其找到最佳学习率和替代函数。所得到的预测算法用于预测足球和网球比赛的结果。理论上的表现保证在这些数据集上相当紧...
热度：84
Fedor Zhdanov(伦敦大学学院) 我们证明了Brier预测游戏是可混合的，并为其找到最佳学习率和替代函数。所得到的预测算法用于预测足球和网球比赛的结果。理论上的表现保证在这些数据集上相当紧...
热度：84
153Estimating Local Optimums in EM Algorithm over Gaussian Mixture Model[用高斯混合模型估计EM算法的局部最优值]
Zhenjie Zhang(新加坡国立大学) EM算法是从大型观测集估计高斯混合模型参数的一种非常流行的方法。但是，在大多数情况下，EM算法无法保证收敛到全局最优。相反，它停在一些局部优化，这可能比全...
热度：71
Zhenjie Zhang(新加坡国立大学) EM算法是从大型观测集估计高斯混合模型参数的一种非常流行的方法。但是，在大多数情况下，EM算法无法保证收敛到全局最优。相反，它停在一些局部优化，这可能比全...
热度：71
154Training SVM with Indefinite Kernels[使用无限内核训练SVM]
Jieping Ye(密歇根大学) 从许多应用程序生成的相似性矩阵可能不是半正的，因此不适合内核机器框架。在本文中，我们研究了具有不确定内核的训练支持向量机的问题。我们考虑一个正则化的SV...
热度：62
Jieping Ye(密歇根大学) 从许多应用程序生成的相似性矩阵可能不是半正的，因此不适合内核机器框架。在本文中，我们研究了具有不确定内核的训练支持向量机的问题。我们考虑一个正则化的SV...
热度：62
155Dynamic Non-Parametric Mixture Models and The Recurrent Chinese Restaurant Process[动态非参数混合模型与经常性中餐回流过程]
Eric P. Xing(卡内基梅隆大学) Dirichlet过程混合模型提供了一个灵活的贝叶斯框架，用于估计分布，作为简单分布的无限混合，可以识别数据中的潜在类别[1]。然而，他们使用的完全可交换性假设使...
热度：29
Eric P. Xing(卡内基梅隆大学) Dirichlet过程混合模型提供了一个灵活的贝叶斯框架，用于估计分布，作为简单分布的无限混合，可以识别数据中的潜在类别[1]。然而，他们使用的完全可交换性假设使...
热度：29
156Fast Solvers and Efficient Implementations for Distance Metric Learning[远程度量学习的快速求解和有效实现]
Kilian Weinberger(康奈尔大学) 在本文中，我们研究如何通过学习马哈拉诺比斯距离度量来改进最近邻分类。我们建立在最近提出的距离度量学习框架上，称为大边缘最近邻居（LMNN）分类。在此框架内...
热度：97
Kilian Weinberger(康奈尔大学) 在本文中，我们研究如何通过学习马哈拉诺比斯距离度量来改进最近邻分类。我们建立在最近提出的距离度量学习框架上，称为大边缘最近邻居（LMNN）分类。在此框架内...
热度：97
157Graph Transduction via Alternating Minimization[通过交替最小化进行图形转换]
Jun Wang(哥伦比亚大学) 图形转换方法通过学习分类函数来标记输入数据，该分类函数被规范化以在标记和未标记样本上沿着图表显示平滑度。实际上，这些算法对用户提供的初始标签集很敏感。...
热度：75
Jun Wang(哥伦比亚大学) 图形转换方法通过学习分类函数来标记输入数据，该分类函数被规范化以在标记和未标记样本上沿着图表显示平滑度。实际上，这些算法对用户提供的初始标签集很敏感。...
热度：75
158Adaptive p-Posterior Mixture-Model Kernels for Multiple Instance Learning[用于多实例学习的自适应p-后验混合模型核]
Hua-Yan Wang(北京大学) 在多实例学习（MIL）中，实例如何确定行李标签是一个基本问题，无论是在算法上还是在本质上。在本文中，我们表明实例如何确定包标签的机制对于不同的应用领域是...
热度：29
Hua-Yan Wang(北京大学) 在多实例学习（MIL）中，实例如何确定行李标签是一个基本问题，无论是在算法上还是在本质上。在本文中，我们表明实例如何确定包标签的机制对于不同的应用领域是...
热度：29
159Sparse Multiscale Gaussian Process Regression[稀疏多尺度高斯过程回归]
Christian Walder(马克斯普朗克研究所) 大多数现有的稀疏高斯过程（g.p.）模型通过将它们的计算基于一组m个基函数来寻求计算优势，所述m个基函数是g.p.的协方差函数。其中一个输入已修复。我们通过使用...
热度：192
Christian Walder(马克斯普朗克研究所) 大多数现有的稀疏高斯过程（g.p.）模型通过将它们的计算基于一组m个基函数来寻求计算优势，所述m个基函数是g.p.的协方差函数。其中一个输入已修复。我们通过使用...
热度：192
160Topologically-Constrained Latent Variable Models[拓扑约束潜变量模型]
Raquel Urtasun(多伦多大学) 在降维方法中，数据通常嵌入在欧几里德潜在空间中。但是对于某些数据集来说这是不合适的。例如，在人体运动数据中，我们期望潜在的空间是圆柱形或环形的，用欧几...
热度：67
Raquel Urtasun(多伦多大学) 在降维方法中，数据通常嵌入在欧几里德潜在空间中。但是对于某些数据集来说这是不合适的。例如，在人体运动数据中，我们期望潜在的空间是圆柱形或环形的，用欧几...
热度：67
161A Semi-parametric Statistical Approach to Model-free Policy Evaluation[无模型政策评估的半参数统计方法]
Tsuyoshi Ueno(京都大学) 最近开发了基于最小二乘时间差（LSTD）的强化学习（RL）方法，并且已经显示出良好的实际性能。然而，他们的估计质量尚未得到很好的阐明。在本文中，我们从半参数...
热度：73
Tsuyoshi Ueno(京都大学) 最近开发了基于最小二乘时间差（LSTD）的强化学习（RL）方法，并且已经显示出良好的实际性能。然而，他们的估计质量尚未得到很好的阐明。在本文中，我们从半参数...
热度：73
162Training Restricted Boltzmann Machines using Approximations to the Likelihood Gradient[训练受限玻尔兹曼机器使用逼近似然梯度的近似]
Tijmen Tieleman(多伦多大学) 介绍了一种训练受限玻尔兹曼机器的新算法。该算法名为Persistent Contrastive Divergence，与标准的Contrastive Divergence算法不同，它的目的是从几乎完全模型...
热度：70
Tijmen Tieleman(多伦多大学) 介绍了一种训练受限玻尔兹曼机器的新算法。该算法名为Persistent Contrastive Divergence，与标准的Contrastive Divergence算法不同，它的目的是从几乎完全模型...
热度：70
163A Rate-Distortion One-Class Model and its Applications to Clustering[速率失真的单类模型及其在聚类中的应用]
Partha Pratim Talukdar(印度班加罗尔理工学院) 我们研究了一个类分类的问题，其中我们寻求一个规则来分离一个相似的实例子集，类似于大型实例池中的一些正例子。我们发现问题可以根据速率失真权衡自然地制定，...
热度：73
Partha Pratim Talukdar(印度班加罗尔理工学院) 我们研究了一个类分类的问题，其中我们寻求一个规则来分离一个相似的实例子集，类似于大型实例池中的一些正例子。我们发现问题可以根据速率失真权衡自然地制定，...
热度：73
164Nu-Support Vector Machine as Conditional Value-at-Risk Minimization[Nu支持向量机作为条件风险最小化]
Akiko Takeda(庆应义塾大学) nu支持向量分类（nu SVC）算法被证明工作良好并提供直观的解释，例如，参数nu粗略地指定支持向量的分数。虽然nu对应于分数，但它不能以原始形式占据0到1之间的整...
热度：106
Akiko Takeda(庆应义塾大学) nu支持向量分类（nu SVC）算法被证明工作良好并提供直观的解释，例如，参数nu粗略地指定支持向量的分数。虽然nu对应于分数，但它不能以原始形式占据0到1之间的整...
热度：106
165Discriminative Parameter Learning for Bayesian Networks[贝叶斯网络的判别参数学习]
Jiang Su(渥太华大学) 贝叶斯网络分类器已被广泛用于分类问题。给定固定的贝叶斯网络结构，参数学习可以采用两种不同的方法：生成性和判别性学习。虽然生成参数学习更有效，但是判别参...
热度：106
Jiang Su(渥太华大学) 贝叶斯网络分类器已被广泛用于分类问题。给定固定的贝叶斯网络结构，参数学习可以采用两种不同的方法：生成性和判别性学习。虽然生成参数学习更有效，但是判别参...
热度：106