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::
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
91Generalized Principal Component Analysis (GPCA)[广义主成分分析（GPCA）]
Rene Vidal(约翰霍普金斯大学) 数据分割通常是鸡和蛋的问题。为了估计模型的混合，需要首先分割数据，并且为了分割数据，需要知道模型参数。因此，数据分割通常分两个阶段来解决.1。数据聚类和...
热度：157
Rene Vidal(约翰霍普金斯大学) 数据分割通常是鸡和蛋的问题。为了估计模型的混合，需要首先分割数据，并且为了分割数据，需要知道模型参数。因此，数据分割通常分两个阶段来解决.1。数据聚类和...
热度：157
92Lecture 22: Random Walks and Thresholds[第22讲：随机游走和阈值]
Robert G. Gallager(麻省理工学院) 本讲座涵盖的主题包括开往G / G / 1的金曼，假设检验的大偏差，顺序检测，倾斜随机变量和Wald身份证明。
热度：89
Robert G. Gallager(麻省理工学院) 本讲座涵盖的主题包括开往G / G / 1的金曼，假设检验的大偏差，顺序检测，倾斜随机变量和Wald身份证明。
热度：89
93Lecture 21: Hypothesis Testing and Random Walks[第21讲：假设检验和随机游走]
Robert G. Gallager(麻省理工学院) 顺序假设检验被视为随机游走示例。阈值假设检验与随机步行阈值区分开来。随机行走阈值概率由Chernoff边界分析。
热度：105
Robert G. Gallager(麻省理工学院) 顺序假设检验被视为随机游走示例。阈值假设检验与随机步行阈值区分开来。随机行走阈值概率由Chernoff边界分析。
热度：105
94Lecture 20: Markov Processes and Random Walks [第20讲：马尔可夫过程和随机游走]
Robert G. Gallager(麻省理工学院) 在回顾稳态后，本讲座讨论了马尔可夫过程和串联M / M / 1队列的可逆性。然后介绍随机游走及其应用。
热度：158
Robert G. Gallager(麻省理工学院) 在回顾稳态后，本讲座讨论了马尔可夫过程和串联M / M / 1队列的可逆性。然后介绍随机游走及其应用。
热度：158
95Lecture 16: Renewals and Countable-state Markov [第16讲：续约和可数州马尔科夫]
Robert G. Gallager(麻省理工学院) 在回顾了三个主要的更新定理之后，我们引入了具有可数状态空间的马尔可夫链。有限状态链的矩阵方法被基于第一次通过时间的更新所取代。
热度：62
Robert G. Gallager(麻省理工学院) 在回顾了三个主要的更新定理之后，我们引入了具有可数状态空间的马尔可夫链。有限状态链的矩阵方法被基于第一次通过时间的更新所取代。
热度：62
96Lecture 12: Renewal Rewards, Stopping Trials, and Wald's Inequality [第12讲：更新奖励，停止试验和瓦尔德的不平等]
Robert G. Gallager(麻省理工学院) 在本讲座中，我们将了解续约奖励的时间平均值，停止随机过程的试验以及Wald的平等。
热度：31
Robert G. Gallager(麻省理工学院) 在本讲座中，我们将了解续约奖励的时间平均值，停止随机过程的试验以及Wald的平等。
热度：31
97Lecture 23: Dynamic Programming[第23讲：动态规划]
John Guttag(麻省理工学院) 本讲座介绍了动态规划，并讨论了最优子结构和重叠子问题的概念。涵盖的主题：动态规划，最优路径，重叠子问题，加权边缘，规范，限制，效率，伪多项式。
热度：68
John Guttag(麻省理工学院) 本讲座介绍了动态规划，并讨论了最优子结构和重叠子问题的概念。涵盖的主题：动态规划，最优路径，重叠子问题，加权边缘，规范，限制，效率，伪多项式。
热度：68
98Lecture 20: More Clustering[第20讲：更多聚类]
John Guttag(麻省理工学院) 本讲座涵盖了层次聚类，并介绍了k均值聚类。涵盖的主题：特征向量，缩放，k表示聚类。
热度：27
John Guttag(麻省理工学院) 本讲座涵盖了层次聚类，并介绍了k均值聚类。涵盖的主题：特征向量，缩放，k表示聚类。
热度：27
99Lecture 18: Optimization Problems and Algorithms[第18讲：优化问题和算法]
John Guttag(麻省理工学院) 本讲座回归到第17讲曲线拟合中所包含的内容，强调理论，实验和计算之间的相互作用以及解决过度拟合的问题。然后继续介绍优化问题的概念，并使用0/1背包问题说明...
热度：63
John Guttag(麻省理工学院) 本讲座回归到第17讲曲线拟合中所包含的内容，强调理论，实验和计算之间的相互作用以及解决过度拟合的问题。然后继续介绍优化问题的概念，并使用0/1背包问题说明...
热度：63
100Lecture 17: Curve Fitting[第17讲：曲线拟合]
John Guttag(麻省理工学院) 本讲座是关于如何使用计算来帮助理解实验数据。它讨论了使用线性回归拟合曲线到数据，并引入了确定系数作为拟合紧密度的度量。涵盖的主题：数组，曲线拟合，nump...
热度：74
John Guttag(麻省理工学院) 本讲座是关于如何使用计算来帮助理解实验数据。它讨论了使用线性回归拟合曲线到数据，并引入了确定系数作为拟合紧密度的度量。涵盖的主题：数组，曲线拟合，nump...
热度：74
101Lecture 16: Using Randomness to Solve Non-random Problems[第16讲：使用随机性解决非随机问题]
John Guttag(麻省理工学院) 本讲座首先定义正态（高斯），均匀和指数分布。然后，它展示了如何使用蒙特卡罗模拟来分析经典的蒙蒂霍尔问题并找到pi的近似值。覆盖的拓扑：高斯分布，分析模型...
热度：62
John Guttag(麻省理工学院) 本讲座首先定义正态（高斯），均匀和指数分布。然后，它展示了如何使用蒙特卡罗模拟来分析经典的蒙蒂霍尔问题并找到pi的近似值。覆盖的拓扑：高斯分布，分析模型...
热度：62
102Augment-and-Conquer Negative Binomial Processes[增强和克服负二项过程]
Mingyuan Zhou(杜克大学) 通过开发负二项（NB）分布特有的数据增强方法，我们在NB过程框架下统一看似不相交的计数和混合模型。我们开发模型的基本属性并推导出有效的Gibbs抽样推理。我们...
热度：62
Mingyuan Zhou(杜克大学) 通过开发负二项（NB）分布特有的数据增强方法，我们在NB过程框架下统一看似不相交的计数和混合模型。我们开发模型的基本属性并推导出有效的Gibbs抽样推理。我们...
热度：62
103Multi-Stage Multi-Task Feature Learning[多阶段多任务特征学习]
Changshui Zhang(清华大学) 多任务稀疏特征学习旨在通过利用任务之间的共享特征来提高泛化性能。它已成功应用于许多应用，包括计算机视觉和生物医学信息学。大多数现有的多任务稀疏特征学习...
热度：103
Changshui Zhang(清华大学) 多任务稀疏特征学习旨在通过利用任务之间的共享特征来提高泛化性能。它已成功应用于许多应用，包括计算机视觉和生物医学信息学。大多数现有的多任务稀疏特征学习...
热度：103
104Continuous Relaxations for Discrete Hamiltonian Monte Carlo[离散哈密顿蒙特卡罗的连续松弛]
Yichuan Zhang(爱丁堡大学) 连续松弛在离散优化中起着重要作用，但在近似概率推理中没有多少用处。在这里，我们展示了高斯积分技巧的一般形式使得可以将一大类离散变量无向模型转换为完全连...
热度：184
Yichuan Zhang(爱丁堡大学) 连续松弛在离散优化中起着重要作用，但在近似概率推理中没有多少用处。在这里，我们展示了高斯积分技巧的一般形式使得可以将一大类离散变量无向模型转换为完全连...
热度：184
105Pointwise Tracking the Optimal Regression Function[点态跟踪最优回归函数]
Yair Wiener(以色列理工学院) 本文考察了在最小二乘回归的背景下“拒绝选项”的可能性。结果表明，使用拒绝理论上可以学习“选择性”回归量，它可以在后见之明中从相同的假设类中逐点跟踪最佳...
热度：83
Yair Wiener(以色列理工学院) 本文考察了在最小二乘回归的背景下“拒绝选项”的可能性。结果表明，使用拒绝理论上可以学习“选择性”回归量，它可以在后见之明中从相同的假设类中逐点跟踪最佳...
热度：83