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::

331
Reconstructing Patterns of Information Diffusion from Incomplete Observations[从不完全观测获得信息扩散的重构模式]
  Flavio Chierichetti(罗马大学) 由于网上信息的普遍传播，特别是网上请愿，近年来的研究提出了以下组合估计问题。有一个树t我们不能直接观察（代表信息传播的结构），某些节点随机决定公开其信...
热度：37

332
Noise Thresholds for Spectral Clustering[噪声阀值的谱聚类算法]
  Sivaraman Balakrishnan(卡内基梅隆大学) 虽然谱聚类在机器学习中取得了相当大的经验成功，但其理论性质尚未得到充分发展。分析了一种谱聚类算法的性能，表明在一类层次结构相似矩阵上，该算法能够承受随...
热度：93

333
Exact inference and learning for cumulative[精确推理和累积学习]
  Huang Jim C(亚马逊公司) 概率图形模型使用局部因素来表示变量集之间的依赖性。对于许多问题领域，例如气候学和流行病学，除了局部依赖性之外，我们可能还希望对重尾统计进行建模，其中极...
热度：33

334
LSTD with Random Projections[LSTD的随机预测]
  Mohammad Ghavamzadeh(INRIA研究机构) 研究了特征数大于样本数时高维空间中的强化学习问题。特别地，我们研究了由高维空间随机投影生成低维空间时的最小二乘时差（LSTD）学习算法。我们对随机投影的LS...
热度：48

335
Throttling Poisson Processes[节流泊松过程]
  Uwe Dick(马克斯普朗克研究所) 我们研究了泊松过程生成决策事件序列的设置。允许优化目标取决于决策结果的速率；该速率可能取决于可能长期积压的事件和决策。我们将问题建模为一个带节流策略的...
热度：26

336
Graph-Valued Regression[图的价值回归]
  Xi Chen(卡内基梅隆大学) 无向图形模型在图G中编码随机向量y的依赖结构。在许多应用中，考虑到另一个随机向量x作为输入，对y进行建模是很有意义的。我们将x=x条件下y的图g（x）估计为图值...
热度：43

337
Tree-Structured Stick Breaking for Hierarchical Data[分层数据的树形结构分断]
  Ryan Prescott Adams(多伦多大学) 许多数据都是由一个不可见的层次结构自然建模的。本文提出了一种基于未知数据层次的柔性非参数先验。该方法使用嵌套的断棒过程来允许具有无限宽度和深度的树，在...
热度：59

338
Large-Scale Semi-Supervised Learning[大规模半监督学习]
  Jason Weston(美国NEC实验室) 标记数据是昂贵的，而未标记数据往往是丰富和便宜的收集。可以同时使用这两种数据的半监督学习算法的性能明显优于单独使用标记数据的监督算法。但是，为了观察到...
热度：49

339
Feature selection, fundamentals and applications[特征选择,基本原理与应用]
  Isabelle Guyon(克洛平公司) 变量和特征选择已经成为许多应用领域的研究热点，其中有数万或数十万个变量的数据集可用。这些领域包括网络文档的文本处理、基因表达阵列分析和组合化学。变量选...
热度：45

340
Ontologies and Machine Learning[本体论和机器学习]
  Blaž Fortuna;Marko Grobelnik(约瑟夫·斯特凡学院) 我们解决了从社会网络数据构建轻量级本体的问题。作为一个例子，我们使用了一个基于电子邮件通信的中型研究机构的社交网络。主要贡献是由五个主要步骤组成的体系...
热度：60

341
Bounding Excess Risk in Machine Learning[机器学习中的边界超额风险]
  Vladimir Koltchinskii(佐治亚理工学院) 我们将讨论基于经验风险最小化（可能受到惩罚）的学习算法的超额风险限制问题的一般方法。这一方法是近年来由几位作者（其中包括：马萨特、巴特利特、布斯克和门...
热度：305

342
Neighbourhood Components Analysis[邻里成分分析]
  Sam Roweis(无) 假设你想做K-最近邻分类。除了选择k，您还必须选择距离函数，以便定义"；最近的"；。我将讨论一种新的*学习*方法——从数据本身——一种用于KNN分类的距离测量。...
热度：117

343
Tutorial on Machine Learning Reductions[关于减少机器学习的教程]
  John Langford(芝加哥丰田技术学院) 在实际应用中，常见的分类问题有“重要性加权分类”、“成本敏感分类”、“强化学习”、“回归”等。这些问题中的许多可以通过简单的机器（约简）相互联系，将一...
热度：38

344
Exponential Families in Feature Space - Part 6[特征空间中的指数族- 第6部分]
  Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：55

345
Exponential Families in Feature Space - Part 5[特征空间中的指数族- 第5部分]
  Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：37