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::

181
On the Chance Accuracies of Large Collections of Classifiers[关于大量量词的机会准确性]
  Mark Palatucci(卡内基梅隆大学) 我们提供了大量分类器的机会准确性的理论分析。我们证明了在少数例子的问题上，一些分类器可以通过随机机会很好地执行，并且我们推导出一个定理来明确地计算这个...
热度：57

182
Efficiently Solving Convex Relaxations for MAP Estimation[有效解决MAP估计的凸松弛]
  Pawan Kumar Mudigonda(牛津大学) 获得离散随机场的最大后验（MAP）估计的问题在计算机科学的许多领域中是至关重要的。在这项工作中，我们建立在Kolmogorov和Wainwright等人的树重加权消息传递（T...
热度：80

183
Fast Estimation of Relational Pattern Coverage through Randomization and Maximum Likelihood[通过随机化和最大似然法快速估计关系模式覆盖]
  Ondřej Kuželka(布拉格捷克技术大学) 在归纳逻辑编程中，theta包含是一种广泛使用的覆盖测试。不幸的是，测试theta包含是NP完成的，这代表了许多关系学习者的关键效率瓶颈。在本文中，我们提出了基于...
热度：6

184
Learning Diverse Rankings with Multi-Armed Bandits[学习多种强化学习的不同排名]
  Robert Kleinberg(康奈尔大学) 用于学习对Web文档进行排名的算法通常假设文档的相关性独立于其他文档。这导致学习的排名函数产生具有冗余结果的排名。相比之下，用户研究表明，高等级的多样性...
热度：77

185
A Least Squares Formulation for Canonical Correlation Analysis[典型相关分析的最小二乘公式]
  Shuiwang Ji(华盛顿州立大学) 典型相关分析（CCA）是用于找到两组多维变量之间的相关性的众所周知的技术。它将两组变量投影到一个较低维度的空间中，在这些空间中它们最大程度地相关。 CCA通...
热度：90

186
Learning All Optimal Policies with Multiple Criteria[学习具有多个标准的所有最优策略]
  Leon Barrett(加州大学伯克利分校) 我们描述了在存在多个标准的情况下进行学习的算法。我们的技术概括了以前的方法，因为它可以通过多个奖励标准学习任何线性偏好分配的最优策略。该算法可被视为MD...
热度：78

187
Learning to Combine Distances for Complex Representations[学习结合复杂表示的距离]
  Adam Woznica(日内瓦大学) 只要在输入空间上给出适当的相异度函数，k近邻算法可以容易地适用于对复杂对象（例如集合，图形）进行分类。学习实例的表示和在该表示上使用的不相似性都应该基...
热度：61

188
Best Paper - Information-Theoretic Metric Learning[最佳论文 - 信息理论度量学习]
  Brian Kulis(德克萨斯大学) 在本文中，我们提出了一种学习马哈拉诺比斯距离函数的信息理论方法。我们将问题表述为在距离函数约束下最小化两个多元高斯之间的微分相对熵的问题。我们将此问题...
热度：207

189
Learning Distance Function by Coding Similarity[编码相似度学习距离函数]
  Rioe Kliper(耶路撒冷希伯来大学) 我们考虑从一组正等价约束（即“相似”点对）学习相似性函数的问题。我们定义信息理论术语中的相似性，作为从该对的独立编码转换到联合编码时的编码长度的增益。...
热度：48

190
Introduction to Reinforcement Learning and Bayesian learning[强化学习和贝叶斯学习简介]
  Mohammad Ghavamzadeh(阿尔伯塔大学) 虽然贝叶斯强化学习方法可以追溯到20世纪60年代（霍华德在运筹学中的工作），贝叶斯方法只是在现代强化学习中偶尔使用。这部分是因为非贝叶斯方法往往更容易使用...
热度：163

191
Robust Non-linear Dimensionality Reduction using Successive 1-Dimensional Laplacian Eigenmapse[使用连续一维拉普拉斯特征性映射的鲁棒非线性降维]
  Samuel Gerber(犹他大学) 噪声数据的非线性维数减少是在各种数据分析应用中遇到的挑战性问题。文献中的最新结果表明，例如拉普拉斯算子特征映射算法所使用的频谱分解为非线性维数减少和流...
热度：41

192
Gaussian Process Temporal Difference[高斯过程时间差异]
  Yaakov Engel(阿尔伯塔大学) 虽然贝叶斯强化学习方法可以追溯到20世纪60年代（霍华德在运筹学中的工作），贝叶斯方法只是在现代强化学习中偶尔使用。这部分是因为非贝叶斯方法往往更容易使用...
热度：104

193
Non-Isometric Manifold Learning: Analysis and an Algorithm[非等距流形学习：分析与算法]
  Piotr Dollár(加利福尼亚大学) 在这项工作中，我们采用了非线性流形学习的新观点。通常，流形学习是通过找到将流形嵌入或“展开”到较低维空间中来制定的。相反，我们将其视为学习非线性，可能...
热度：84

194
Learning Inadmissible Heuristics during Search[在搜索过程中学习不可接受的启发式方法]
  Jordan T. Thayer(新罕布什尔大学) 次优搜索算法通过牺牲有保证的解决方案最优性来提供更短的求解时间。虽然像A *和IDA *这样的最佳搜索算法需要可接受的启发式算法，但次优搜索算法不需要以这种方...
热度：89

195
A Polynomial All Outcome Determinization for Probabilistic Planning[概率规划的多项式全结果确定]
  Thomas Keller(弗赖堡大学) 概率规划中最主要的方法通过确定手头的问题，利用来自更彻底调查的经典规划领域的技术。在本文中，我们提出了一种方法，将概率运算符映射到一个新的正规形式的等...
热度：35