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::
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
256Reduced-rank hidden Markov models [降秩隐马尔可夫模型]
Byron Boots(卡内基梅隆大学) Hsu等人(2009)最近提出了一种高效、精确的隐马尔科夫模型谱学习算法(HMMs)。在本文中，我们放松了他们的假设，证明了一个更严格的有限样本误差约束的情况下，降...
热度：37
Byron Boots(卡内基梅隆大学) Hsu等人(2009)最近提出了一种高效、精确的隐马尔科夫模型谱学习算法(HMMs)。在本文中，我们放松了他们的假设，证明了一个更严格的有限样本误差约束的情况下，降...
热度：37
257An introduction to Levy processes with financial modelling in mind[引入金融建模的列维过程导论]
Matthias Winkel(牛津大学) 在这个演讲中，我将介绍Levy过程的一般类以及最相关的参数族。我将解释这些如何用于建模目的，直接或作为更一般的随机过程的驱动过程。作为一个应用，我将在与Ol...
热度：47
Matthias Winkel(牛津大学) 在这个演讲中，我将介绍Levy过程的一般类以及最相关的参数族。我将解释这些如何用于建模目的，直接或作为更一般的随机过程的驱动过程。作为一个应用，我将在与Ol...
热度：47
258Approximate Bayesian computation: a simulation based approach to inference[近似贝叶斯计算：基于仿真的推理方法]
Richard Wilkinson(谢菲尔德大学) 有一类很大的随机模型，我们可以用它来模拟模型中的观察结果，但是对于这种模型，似然函数是未知的。如果不了解似然函数，像马尔可夫链这样的标准推理技术是不可...
热度：46
Richard Wilkinson(谢菲尔德大学) 有一类很大的随机模型，我们可以用它来模拟模型中的观察结果，但是对于这种模型，似然函数是未知的。如果不了解似然函数，像马尔可夫链这样的标准推理技术是不可...
热度：46
259Computation of the MLE for bivariate interval censored data[对于双变的经过检查数据的区间最大可能性估量的计算]
Marloes Maathuis(苏黎世联邦理工学院) 我将讨论新的r包“MLEcens”，它为二元区间截尾数据的分布函数计算非参数极大似然估计(MLE)。MLE的计算包括两个步骤:参数约简步骤和优化步骤。我将讨论这两个步...
热度：22
Marloes Maathuis(苏黎世联邦理工学院) 我将讨论新的r包“MLEcens”，它为二元区间截尾数据的分布函数计算非参数极大似然估计(MLE)。MLE的计算包括两个步骤:参数约简步骤和优化步骤。我将讨论这两个步...
热度：22
260Singular Diffusion Equations: Minimally Stochastic Solution Schemes[奇异扩散方程：极小随机解]
Bernhard Burgeth(萨尔兰大学) 全变分(TV)和平衡前向后(BFB)扩散是奇异扩散过程的常见例子:有限消光时间，实验观察到的创建分段常数区域的趋势，以及参数的缺失使它们成为非常有趣的图像处理工...
热度：57
Bernhard Burgeth(萨尔兰大学) 全变分(TV)和平衡前向后(BFB)扩散是奇异扩散过程的常见例子:有限消光时间，实验观察到的创建分段常数区域的趋势，以及参数的缺失使它们成为非常有趣的图像处理工...
热度：57
261Attribute estimation[属性评估]
Igor Kononenko(卢布尔雅那大学) 机器学习的关键任务之一是属性质量的评价。为此目的，已经制订了一些措施来估计属性对预测目标变量的有用性。我们将分别描述分类(也适用于关系问题)和回归的度量...
热度：28
Igor Kononenko(卢布尔雅那大学) 机器学习的关键任务之一是属性质量的评价。为此目的，已经制订了一些措施来估计属性对预测目标变量的有用性。我们将分别描述分类(也适用于关系问题)和回归的度量...
热度：28
262Bayesian Methods[贝叶斯方法]
Christian Borgelt(欧洲软计算中心) 在过去的十年中，概率图形模型——特别是贝叶斯网络和马尔可夫网络——作为一种工具变得非常流行，用于构造有关感兴趣领域的不确定知识，以及用于构建基于知识的...
热度：61
Christian Borgelt(欧洲软计算中心) 在过去的十年中，概率图形模型——特别是贝叶斯网络和马尔可夫网络——作为一种工具变得非常流行，用于构造有关感兴趣领域的不确定知识，以及用于构建基于知识的...
热度：61
263Fuzzy Logic[模糊逻辑]
Michael Berthold(德国康斯坦茨大学) 本教程将介绍用于数据分析的模糊逻辑的基础知识。模糊逻辑可以用来建模和处理不精确的信息，如不精确的测量或可用的专家知识的口头描述形式。首先介绍模糊集、隶...
热度：105
Michael Berthold(德国康斯坦茨大学) 本教程将介绍用于数据分析的模糊逻辑的基础知识。模糊逻辑可以用来建模和处理不精确的信息，如不精确的测量或可用的专家知识的口头描述形式。首先介绍模糊集、隶...
热度：105
264Approximation and Inference using Latent Variable Sparse Linear Models[隐变量稀疏线性模型的逼近与推理]
David P Wipf(加利福尼亚大学) 近年来，人们引入了各种贝叶斯方法，利用具有稀疏先验的线性模型进行近似推理。我们关注四种利用稀疏分布固有的潜在结构来执行的方法:(i)标准映射估计，(ii)超参...
热度：34
David P Wipf(加利福尼亚大学) 近年来，人们引入了各种贝叶斯方法，利用具有稀疏先验的线性模型进行近似推理。我们关注四种利用稀疏分布固有的潜在结构来执行的方法:(i)标准映射估计，(ii)超参...
热度：34
265Message-Passing Algorithms for GMRFs and Non-Linear Optimization[GMRFs的留言和非线性优化传递算法]
Jason K. Johnson(麻省理工学院) 摘要综述了高斯图形模型中各种迭代推理和估计方法，即高斯-马尔可夫随机场(GMRFs)，并讨论了如何将这些方法应用于包含图形结构目标函数的非线性优化问题。特别地...
热度：98
Jason K. Johnson(麻省理工学院) 摘要综述了高斯图形模型中各种迭代推理和估计方法，即高斯-马尔可夫随机场(GMRFs)，并讨论了如何将这些方法应用于包含图形结构目标函数的非线性优化问题。特别地...
热度：98
266Bounds on the Bethe Free Energy for Gaussian Networks[高斯网络中的贝特自由能量的界限]
Botond Cseke(奈梅根大学) 在高斯概率模型中，我们采用近似自由能方法进行近似推理。我们定义(分数)为自由能，并直接将其最小化。推导了自由能的一个下界，给出了分数阶自由能有界的必要条...
热度：64
Botond Cseke(奈梅根大学) 在高斯概率模型中，我们采用近似自由能方法进行近似推理。我们定义(分数)为自由能，并直接将其最小化。推导了自由能的一个下界，给出了分数阶自由能有界的必要条...
热度：64
267Introduction to compact operators[紧凑型操作员简介]
Joel Feinstein(诺丁汉大学) 本节课的目的是讨论巴拿赫空间上紧线性算子的基本理论。这包括背景和主要结果的定义和陈述，有说明性的例子和一些证明。目标受众:对于任何对度量空间拓扑有基本...
热度：23
Joel Feinstein(诺丁汉大学) 本节课的目的是讨论巴拿赫空间上紧线性算子的基本理论。这包括背景和主要结果的定义和陈述，有说明性的例子和一些证明。目标受众:对于任何对度量空间拓扑有基本...
热度：23
268Statistics - an intuitive introduction : standard deviation[统计 - 直观的介绍：标准偏差]
Richard Field, J.C. Horton(诺丁汉大学) 测量统计变异性的一种标准方法:标准差和相关的方差和自由度概念。
热度：31
Richard Field, J.C. Horton(诺丁汉大学) 测量统计变异性的一种标准方法:标准差和相关的方差和自由度概念。
热度：31
269Modelling displacements and velocities[建模位移和速度]
The Open University(英国开放大学) 在本单元中，你将首先看到如何将矢量从几何形式(以大小和方向表示)转换为分量形式，然后再看看如何完成相反意义上的转换。在这些不同形式的矢量之间转换的能力在...
热度：39
The Open University(英国开放大学) 在本单元中，你将首先看到如何将矢量从几何形式(以大小和方向表示)转换为分量形式，然后再看看如何完成相反意义上的转换。在这些不同形式的矢量之间转换的能力在...
热度：39
270Number systems[数字系统]
The Open University(英国开放大学) 数字系统和组合数字的规则可能令人生畏。本单元将帮助你理解有理数、实数、复数和整数的细节。您还将介绍模块化算法和集合元素之间的关系的概念。
热度：42
The Open University(英国开放大学) 数字系统和组合数字的规则可能令人生畏。本单元将帮助你理解有理数、实数、复数和整数的细节。您还将介绍模块化算法和集合元素之间的关系的概念。
热度：42