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::

76
Spectral learning of linear dynamics from generalisedlinear observations with application to neural population data[线性动力学的谱学从广义线性观测到应用于神经种群数据]
  Lars Buesing(伦敦大学学院) 具有广义线性观测模型的潜在线性动力系统在各种应用中出现，例如在对神经元群体的尖峰活动进行建模时。在这里，我们展示了如何利用高斯观测（通常在这种情况下通...
热度：53

77
Modelling Genetic Variations with Fragmentation-Coagulation Processes[用碎片-凝固过程模拟遗传变异]
  Yee Whye Teh(牛津大学) 我们提出了一类新的贝叶斯非参数模型用于序列数据，称为碎裂凝固过程（FCPs）。 FCP使用分区值马尔可夫过程对一组序列建模，该过程通过分裂和合并群集而发展。 F...
热度：39

78
Convergence Rates of Inexact Proximal-Gradient Methods for Convex Optimization[凸优化非精确近端梯度算法的收敛速度]
  Mark Schmidt(不列颠哥伦比亚大学) 我们考虑使用近端梯度方法优化平滑凸函数和非平滑凸函数之和的问题，其中在平滑项的梯度计算中或在邻近算子中相对于第二项存在误差。我们证明了基本近端梯度法，...
热度：99

79
Generalization Bounds and Consistency for Latent Structural Probit and Ramp Loss[潜在结构概率和斜坡损失的概化边界和一致性]
  David McAllester(芝加哥丰田技术学院) 我们考虑概率损失和斜率损失的潜在结构版本。我们证明这些代理损失函数在强烈意义上是一致的，对于任何特征映射（有限或无限维），它们产生的预测变量接近任何线...
热度：71

80
k-NN Regression Adapts to Local Intrinsic Dimension[k-NN回归适应于局部固有维数]
  Samory Kpotufe(普林斯顿大学) 最近显示许多非参数回归量的收敛速度仅取决于数据的内在维度。因此，当高维数据具有低内在尺寸（例如，歧管）时，这些回归量摆脱了维度的诅咒。我们证明$ k $ NN...
热度：73

81
Accelerated Adaptive Markov Chain for Partition Function Computation[加速自适应马尔可夫链配分函数计算]
  Stefano Ermon(康奈尔大学) 我们提出了一种新的自适应马尔可夫链蒙特卡罗算法来计算分区函数。特别地，我们展示了如何通过显着减少链中“空移动”的数量来加速平直方图采样技术，同时保持渐...
热度：34

82
Exact learning curves for Gaussian process regression on large random graphs[随机大图中高斯过程回归的精确学习曲线]
  Matthew Urry(伦敦国王学院) 我们研究高斯过程回归的学习曲线，其根据给定大小的数据集上的平均贝叶斯误差来表征性能。虽然学习曲线通常很难计算，但我们表明，对于离散输入域，输入点之间的...
热度：87

83
A Family of Penalty Functions for Structured Sparsity[一组用于构造稀疏性的惩罚函数]
  Jean Morales(伦敦大学学院) 我们研究了在其稀疏模式结构的附加条件下学习稀疏线性回归向量的问题。我们提出了一系列凸罚函数，它们通过对回归系数的绝对值的一组约束来编码该先验知识。这个...
热度：81

84
Linear Complementarity for Regularized Policy Evaluation and Improvement[正规化政策评价与改进的线性互补]
  Jeff Johns(杜克大学) 最近在强化学习方面的工作强调了L1正则化的功能，以执行特征选择和防止过度拟合。我们提出将L1正则化线性不动点问题公式化为线性互补问题（LCP）。这种配方与LAR...
热度：37

85
Non-Parametric Bayesian Dictionary Learning for Sparse Image Representations[稀疏图像表示的非参数贝叶斯字典学习]
  Mingyuan Zhou(杜克大学) 非参数贝叶斯技术被考虑用于稀疏图像表示的学习词典，其应用于去噪，修复和压缩感测（CS）。 β过程被用作学习字典的先验，并且该非参数方法自然地推断出适当的...
热度：64

86
Locality-Sensitive Binary Codes from Shift-Invariant Kernels[移位不变内核中的位置敏感二进制代码]
  Maxim Raginsky(杜克大学) 本文讨论了为高维数据设计二进制代码的问题，使得原始空间中相似的向量映射到类似的二进制字符串。我们引入基于随机投影的简单无分布编码方案，使得两个矢量的二...
热度：64

87
On Stochastic and Worst-case Models for Investing[关于投资的随机和最坏情况模型]
  Elad Hazan(以色列理工学院) 在实践中，大多数投资是在假设股票价格回报的概率模型（称为几何布朗运动（GBM））的情况下完成的。虽然它通常是可接受的近似值，但GBM模型并不总是凭经验有效。...
热度：36

88
Numerical Methods for Solving Least Squares Problems with Constraints[带约束最小二乘问题的数值求解方法]
  Gene Golub(斯坦福大学) 在本次演讲中，我们讨论了利用线性约束和/或二次约束求解线性最小二乘问题和最小二乘问题的问题。当数据矩阵是单数或近似单数时，我们特别感兴趣开发稳定的数值...
热度：83

89
Online Learning with Kernels[使用内核进行在线学习]
  Yoram Singer(耶路撒冷希伯来大学) 在线学习涉及在收到观察结果时即时做出决策的任务。我们通过相同的算法棱镜描述和分析几个在线学习任务。我们从在线二进制分类开始，并展示如何构建包含内核函数...
热度：123

90
The Dynamics of AdaBoost[AdaBoost动力学]
  Cynthia Rudin(麻省理工学院) AdaBoost是最成功和最受欢迎的学习算法之一，它是一种分类算法，旨在从“弱”学习算法构建“强”分类器。就在九年前AdaBoost发展之后，科学家们基于边缘的推广边...
热度：68