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::
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
![](functions/showpic.php?filename=2019030707315695.png)
Robust approachability and regret minimization in games with partial monitoring[在部分监控的游戏中,Robust的可接近性和遗憾的最小化]
Vianney Perchet(匹兹堡大学医学中心) 在对抗性在线学习环境中,可接近性已成为分析学习算法的标准工具。我们开发了一种游戏可接近性的变体,当所获得的奖励属于一个集合而不是单个向量时,就会产生歧...
热度:68
Vianney Perchet(匹兹堡大学医学中心) 在对抗性在线学习环境中,可接近性已成为分析学习算法的标准工具。我们开发了一种游戏可接近性的变体,当所获得的奖励属于一个集合而不是单个向量时,就会产生歧...
热度:68
![](functions/showpic.php?filename=2019030707230294.png)
A New Algorithm for Compressed Counting with Applications in Shannon Entropy Estimation in Dynamic Data [一种新的压缩计数算法及其在动态数据Shannon熵估计中的应用]
Ping Li(康奈尔大学) 本文提出了一种新的压缩计数的精确算法,其样本复杂度仅为O (1/v2),用于v-加性香农熵估计。这个界的常数因子只有6。此外,我们证明了我们的算法达到了费雪信息...
热度:28
Ping Li(康奈尔大学) 本文提出了一种新的压缩计数的精确算法,其样本复杂度仅为O (1/v2),用于v-加性香农熵估计。这个界的常数因子只有6。此外,我们证明了我们的算法达到了费雪信息...
热度:28
![](functions/showpic.php?filename=2019030707161878.png)
Minimax algorithm for learning rotations [用于学习旋转的极大极小值算法]
Wojciech Kotlowski(波兹南理工大学) 目前还不清楚什么是最适合旋转矩阵的正则化,以及如何在在线设置中保持旋转的不确定性。我们建议通过研究旋转的极小极大算法来解决这些问题,并从求解二维情况开...
热度:67
Wojciech Kotlowski(波兹南理工大学) 目前还不清楚什么是最适合旋转矩阵的正则化,以及如何在在线设置中保持旋转的不确定性。我们建议通过研究旋转的极小极大算法来解决这些问题,并从求解二维情况开...
热度:67
![](functions/showpic.php?filename=2019030609323386.png)
Sample Complexity Bounds for Differentially Private Learning[个体差异学习的样本复杂性界限]
Daniel Hsu(微软公司) 我们研究隐私保护分类的问题 - 即,从敏感数据中学习分类器,同时仍然保留训练集中个人的隐私。特别是,我们要求我们的学习算法保证差异隐私,这是一种非常强大...
热度:59
Daniel Hsu(微软公司) 我们研究隐私保护分类的问题 - 即,从敏感数据中学习分类器,同时仍然保留训练集中个人的隐私。特别是,我们要求我们的学习算法保证差异隐私,这是一种非常强大...
热度:59
![](functions/showpic.php?filename=2019030609265864.png)
A simple multi-armed bandit algorithm with optimal variation-bounded regret[一种简单的多臂强盗算法,具有最佳变异 - 有界遗憾]
Elad Hazan(以色列理工学院 ) 我们提出的问题是,是否有可能为对抗设置中的基本多武装强盗问题设计一个简单的线性时间算法,其具有O(√QlogT)的后悔界限,其中Q是所有武器的总二次变化。 。
热度:138
Elad Hazan(以色列理工学院 ) 我们提出的问题是,是否有可能为对抗设置中的基本多武装强盗问题设计一个简单的线性时间算法,其具有O(√QlogT)的后悔界限,其中Q是所有武器的总二次变化。 。
热度:138
![](functions/showpic.php?filename=2019030504414315.png)
Competitive Closeness Testing[竞争性亲密度测试]
Hirakendu Das(加州大学圣地亚哥分校) 我们测试两个序列是由相同的分布还是由两个差异生成。与以前的工作不同,我们不对分布的支持大小做出任何假设。另外,我们将性能与最佳测试的性能进行比较。我们...
热度:57
Hirakendu Das(加州大学圣地亚哥分校) 我们测试两个序列是由相同的分布还是由两个差异生成。与以前的工作不同,我们不对分布的支持大小做出任何假设。另外,我们将性能与最佳测试的性能进行比较。我们...
热度:57
![](functions/showpic.php?filename=2019030504354964.png)
Multiclass Learnability and the ERM principle[多类学习能力与经验风险最小化]
Amit Daniely(希伯来大学) 多类学习是一个日益实用的领域,目前可用的理论仍然远未提供令人满意的理解。我们研究多类预测的可学习性,并推导出不同学习模型中多类假设类的样本复杂性的上下...
热度:58
Amit Daniely(希伯来大学) 多类学习是一个日益实用的领域,目前可用的理论仍然远未提供令人满意的理解。我们研究多类预测的可学习性,并推导出不同学习模型中多类假设类的样本复杂性的上下...
热度:58
![](functions/showpic.php?filename=2019030504280945.png)
Minimax Regret of Finite Partial-Monitoring Games in Stochastic Environments[在随机环境下部分监控游戏的极小极大遗憾]
Gábor Bartók(苏黎世联邦理工学院) 在部分监控游戏中,学习者反复选择动作,环境响应结果,然后学习者遭受损失并接收反馈信号,这两者都是动作的固定功能和结果。学习者的目标是尽量减少他的后悔,...
热度:64
Gábor Bartók(苏黎世联邦理工学院) 在部分监控游戏中,学习者反复选择动作,环境响应结果,然后学习者遭受损失并接收反馈信号,这两者都是动作的固定功能和结果。学习者的目标是尽量减少他的后悔,...
热度:64
![](functions/showpic.php?filename=2019030504204361.png)
Bandits, Query Learning, and the Haystack Dimension[匪徒问题,查询学习,和haystack维度]
Kareem Amin(宾夕法尼亚大学) 由于武装匪徒(MAB)存在很大甚至有限数量武器的问题,我们通过查询所选输入(或武器)的功能来考虑寻找最大未知目标函数的问题。我们在假设收益的基础上给出了...
热度:66
Kareem Amin(宾夕法尼亚大学) 由于武装匪徒(MAB)存在很大甚至有限数量武器的问题,我们通过查询所选输入(或武器)的功能来考虑寻找最大未知目标函数的问题。我们在假设收益的基础上给出了...
热度:66
![](functions/showpic.php?filename=2019030504161977.png)
Oracle inequalities for computationally budgeted model selection[用于计算预算模型选择的Oracle不等式]
Alekh Agarwal(微软公司) 我们使用计算约束下的惩罚经验损失最小化来分析一般模型选择过程。虽然经典模型选择方法不考虑执行模型选择的计算方面,但我们认为任何实际的模型选择程序都不能...
热度:177
Alekh Agarwal(微软公司) 我们使用计算约束下的惩罚经验损失最小化来分析一般模型选择过程。虽然经典模型选择方法不考虑执行模型选择的计算方面,但我们认为任何实际的模型选择程序都不能...
热度:177
![](functions/showpic.php?filename=2019030608371289.png)
Does an efficient calibrated forecasting strategy exist?[是否存在有效的校准预测策略?]
Jacob Abernethy(加州大学伯克利分校) 我们回想起两个先前提出的关于预测器的渐近校准的概念,其进行一系列概率预测。我们注意到,校准预测的有效算法的存在只适用于二元结果。我们提出了一个问题:对...
热度:68
Jacob Abernethy(加州大学伯克利分校) 我们回想起两个先前提出的关于预测器的渐近校准的概念,其进行一系列概率预测。我们注意到,校准预测的有效算法的存在只适用于二元结果。我们提出了一个问题:对...
热度:68
![](functions/showpic.php?filename=2019030503481825.png)
Deterministic Chaos[确定性混沌]
Blaž Krese(卢布尔雅那大学) 确定性混沌的发现即使是简单的确定性动力系统也能表现出复杂,随机的行为,被认为是20世纪最重要的一个。混乱在自然科学,经济学,社会科学和工程学中遇到过。值...
热度:61
Blaž Krese(卢布尔雅那大学) 确定性混沌的发现即使是简单的确定性动力系统也能表现出复杂,随机的行为,被认为是20世纪最重要的一个。混乱在自然科学,经济学,社会科学和工程学中遇到过。值...
热度:61
![](functions/showpic.php?filename=2019011107210681.png)
Log-linear Models and Conditional Random Fields[对数线性模型和条件随机场]
Charles Elkan(加州大学圣地亚哥分校) 对数线性模型是逻辑回归的深远扩展,而条件随机场(CRF)是适用于所谓的结构化学习任务的对数线性模型的特例。结构化学习意味着学习预测具有内部结构的输出。例...
热度:23
Charles Elkan(加州大学圣地亚哥分校) 对数线性模型是逻辑回归的深远扩展,而条件随机场(CRF)是适用于所谓的结构化学习任务的对数线性模型的特例。结构化学习意味着学习预测具有内部结构的输出。例...
热度:23
![](functions/showpic.php?filename=2018030511101120.jpg)
Dirichlet process mixtures of generalised linear models[狄利克雷过程广义线性模型的混合物]
Lauren A. Hannah(普林斯顿大学) 摘要提出了一种新的适应连续输入和分类输入的非参数回归方法,即广义线性模型的狄利克雷过程混合模型。给出了DP-GLM回归均值函数估计存在渐近无偏性的条件;然后...
热度:53
Lauren A. Hannah(普林斯顿大学) 摘要提出了一种新的适应连续输入和分类输入的非参数回归方法,即广义线性模型的狄利克雷过程混合模型。给出了DP-GLM回归均值函数估计存在渐近无偏性的条件;然后...
热度:53
![](functions/showpic.php?filename=2018030511061669.jpg)
Multiclass-multilabel classification with more labels than example[多级比例更细粒度的分类标签]
Ofer Dekel(微软公司) 讨论了一类多标签分类问题,其中可能的标签集非常大。大多数现有的多类多标签学习算法都期望从每个类中观察到相当大的样本,如果它们只收到少数带有给定标签的示...
热度:45
Ofer Dekel(微软公司) 讨论了一类多标签分类问题,其中可能的标签集非常大。大多数现有的多类多标签学习算法都期望从每个类中观察到相当大的样本,如果它们只收到少数带有给定标签的示...
热度:45