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→函数论::
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
76Bandits, 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
77On a Theory of Similarity Functions for Learning and Clustering[相似度函数的理论学习和聚类]
Avrim Blum(卡内基梅隆大学) 核心方法已经成为机器学习的有力工具。它们在许多应用程序中都表现良好，而且还有一个完善的理论，就是什么使给定的内核对给定的学习问题有用。然而，这一理论要...
热度：29
Avrim Blum(卡内基梅隆大学) 核心方法已经成为机器学习的有力工具。它们在许多应用程序中都表现良好，而且还有一个完善的理论，就是什么使给定的内核对给定的学习问题有用。然而，这一理论要...
热度：29
78Math 131B. Lec 14. Introduction to Probability and Statistics[数学131B。 Lec 14.概率论与统计学概论]
(加州大学尔湾分校) UCI数学131B:概率论与统计学导论(2013年夏季)Lec 14。概率论与统计学导论完整课程:instructor: Michael C. Cranston, ph . license: Creative Commons CC-BY-SAT...
热度：44
(加州大学尔湾分校) UCI数学131B:概率论与统计学导论(2013年夏季)Lec 14。概率论与统计学导论完整课程:instructor: Michael C. Cranston, ph . license: Creative Commons CC-BY-SAT...
热度：44
79Lecture 3: Convergence Proof[讲座3：收敛性的证明]
Boyd Stephen P(斯坦福大学) 好吧，如果上次没有问题的话，那么我想我们就从次梯度法开始。到目前为止，Subgradient方法，我们来看一下它，我的意思是，Subgradient方法非常简单，对吧，它是...
热度：57
Boyd Stephen P(斯坦福大学) 好吧，如果上次没有问题的话，那么我想我们就从次梯度法开始。到目前为止，Subgradient方法，我们来看一下它，我的意思是，Subgradient方法非常简单，对吧，它是...
热度：57
80Lecture 2: Recap: Subgradients[讲座2：回顾：次梯度法]
Boyd Stephen P(斯坦福大学) 好的，让我们看看&ndash；和其他一些通知。我想人们会在接下来的十分钟内进来，这很好，因为如果你不在这里，如果你实际上没有注册，没有进入名单或其他类似的地...
热度：62
Boyd Stephen P(斯坦福大学) 好的，让我们看看&ndash；和其他一些通知。我想人们会在接下来的十分钟内进来，这很好，因为如果你不在这里，如果你实际上没有注册，没有进入名单或其他类似的地...
热度：62
81Lecture 18: Logarithmic Barrier[讲座18：对数障碍 ]
Boyd Stephen P(斯坦福大学) 好的，那么我们要做的是，基本上用平滑的指标函数的近似值替换这个指标函数。所以，这是很多交谈的方式，很多人都在谈论这一点。就像这样。当我取笑提出类似建议...
热度：43
Boyd Stephen P(斯坦福大学) 好的，那么我们要做的是，基本上用平滑的指标函数的近似值替换这个指标函数。所以，这是很多交谈的方式，很多人都在谈论这一点。就像这样。当我取笑提出类似建议...
热度：43
82OWL: An Ontology Language for the Semantic Web[OWL：语义网的本体语言]
Sean Bechhofer(曼彻斯特大学) 这是一个一小时的录像，记录了肖恩·贝克霍夫在2005年知识网暑期学校的演讲。它包括与幻灯片同步的视频（但需要QuickTime，因此需要Windows或MacOS，否则必须手动...
热度：61
Sean Bechhofer(曼彻斯特大学) 这是一个一小时的录像，记录了肖恩·贝克霍夫在2005年知识网暑期学校的演讲。它包括与幻灯片同步的视频（但需要QuickTime，因此需要Windows或MacOS，否则必须手动...
热度：61
83Kernel Bayes Rule[内核的贝叶斯规则]
Kenji Fukumizu(日本统计数理研究所) 在再现核希尔伯特空间概率表示的基础上，提出了一种基于非参数核的贝叶斯规则实现方法。概率的唯一特征是Rkhs的正则映射的平均值。先验概率和条件概率用经验样本...
热度：271
Kenji Fukumizu(日本统计数理研究所) 在再现核希尔伯特空间概率表示的基础上，提出了一种基于非参数核的贝叶斯规则实现方法。概率的唯一特征是Rkhs的正则映射的平均值。先验概率和条件概率用经验样本...
热度：271
84Evaluation of the Topological and Morphological Characteristics of the LSS During Evolution Process by Means of Minkowski Functionals[在进化过程中用闵可夫斯基函数对低边驱动器的拓扑和形态特征进行评价]
Irina Sidorenko(马克斯普朗克研究所) 我们利用Minkowski功能（MF）研究了由千年模拟（Springel，V.等人，2005，Nature 432，629）产生的宇宙大尺度结构（LSS）的拓扑结构。MF提供了任意结构的整体形...
热度：57
Irina Sidorenko(马克斯普朗克研究所) 我们利用Minkowski功能（MF）研究了由千年模拟（Springel，V.等人，2005，Nature 432，629）产生的宇宙大尺度结构（LSS）的拓扑结构。MF提供了任意结构的整体形...
热度：57
85Probing non-Gaussianities in the CMB with Minkowski Functionals and Scaling Indices using surrogates[利用闵可夫斯基泛函和使用代理标度指数来探测CMB中的非Gaussianities指标]
Heike Modest(马克斯普朗克研究所) 我们正在分析宇宙微波背景（CMB）与可能的高阶相关（HOC），这将是宇宙原始密度场中非高斯岩石的指标。在这里，对CMB傅立叶相位的分析是一种有前途的宇宙学模型...
热度：65
Heike Modest(马克斯普朗克研究所) 我们正在分析宇宙微波背景（CMB）与可能的高阶相关（HOC），这将是宇宙原始密度场中非高斯岩石的指标。在这里，对CMB傅立叶相位的分析是一种有前途的宇宙学模型...
热度：65
86Efficient Estimation of N-point Spatial Statistics[N点空间统计的有效估量]
Alexander Gray(乔治亚理工学院) 天文数据的精确统计分析是验证暗物质和暗能量等复杂现象模型的关键。特别是，大规模的天空目录需要空间统计。n点相关函数提供了对任何点过程的完整描述，并广泛...
热度：54
Alexander Gray(乔治亚理工学院) 天文数据的精确统计分析是验证暗物质和暗能量等复杂现象模型的关键。特别是，大规模的天空目录需要空间统计。n点相关函数提供了对任何点过程的完整描述，并广泛...
热度：54
87Neural Networks and GREAT10 Galaxies[神经网络和杰出的10星系]
Adam Gauci(马耳他大学) 本研究探讨人工神经网路（ANN）在「大挑战」的黛布银河明信片中的应用。建立了高分辨率模型，并与给定的点扩散函数（PSF）进行卷积，生成相应的模糊图像。然后在...
热度：60
Adam Gauci(马耳他大学) 本研究探讨人工神经网路（ANN）在「大挑战」的黛布银河明信片中的应用。建立了高分辨率模型，并与给定的点扩散函数（PSF）进行卷积，生成相应的模糊图像。然后在...
热度：60
88Multiple Kernel Testing for SVM-based System Identification[基于支持向量机的系统辨识的多核测试]
John Shawe-Taylor(伦敦大学学院) 将多核学习方法应用于多维时态数据的系统辨识问题。我们没有建立一个完整的概率模型，而是采用一种计算简单的方法，使用开箱即用的机器学习方法。我们试图通过多...
热度：44
John Shawe-Taylor(伦敦大学学院) 将多核学习方法应用于多维时态数据的系统辨识问题。我们没有建立一个完整的概率模型，而是采用一种计算简单的方法，使用开箱即用的机器学习方法。我们试图通过多...
热度：44
89Co-regularized Spectral Clustering with Multiple Kernels[多核谱聚类算法的有限正规化]
Piyush Rai(犹他大学) 我们提出了一种基于共正则化的多视图光谱聚类算法，该算法强制多个视图之间的聚类一致。由于每个视图都可以用来定义数据上的相似度图，因此我们的算法也可以被视...
热度：62
Piyush Rai(犹他大学) 我们提出了一种基于共正则化的多视图光谱聚类算法，该算法强制多个视图之间的聚类一致。由于每个视图都可以用来定义数据上的相似度图，因此我们的算法也可以被视...
热度：62
90Structured Regularization for MKL[MKL结构化的正则化]
Guillaume Obozinski(巴黎高等商学院) 引入多核学习后，很快就发现1-正则化及其群延拓与MKL之间存在对偶关系。因此，可以认为mkl为函数空间提供了稀疏性的扩展。然而，这种扩展并不局限于_1-范数。例...
热度：34
Guillaume Obozinski(巴黎高等商学院) 引入多核学习后，很快就发现1-正则化及其群延拓与MKL之间存在对偶关系。因此，可以认为mkl为函数空间提供了稀疏性的扩展。然而，这种扩展并不局限于_1-范数。例...
热度：34