图 书 馆境外开放课程——编辑志愿者
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
16Organisational Resources in Biological System[生物系统中的组织资源]
Srinandan Dasmahapatra(南安普敦大学) 所有生命形式都依赖于信息处理来维持其高度组织化的状态。大分子和超分子结构是使生物系统与死物质分离的特殊性质的关键。本课程将采用工程学的观点，介绍了解活...
热度：36
Srinandan Dasmahapatra(南安普敦大学) 所有生命形式都依赖于信息处理来维持其高度组织化的状态。大分子和超分子结构是使生物系统与死物质分离的特殊性质的关键。本课程将采用工程学的观点，介绍了解活...
热度：36
17Learning to Translate: statistical and computational analysis[学习翻译：统计和计算分析]
Marco Turchi(布里斯托大学) 本文从统计机器翻译系统Moses的学习能力出发，对其进行了广泛的实验研究。通过高性能计算，得到了非常精确的学习曲线，并对系统在不同条件下的预测性能进行了外...
热度：40
Marco Turchi(布里斯托大学) 本文从统计机器翻译系统Moses的学习能力出发，对其进行了广泛的实验研究。通过高性能计算，得到了非常精确的学习曲线，并对系统在不同条件下的预测性能进行了外...
热度：40
18On graphical representation of proteins[蛋白质的图形化表示]
Milan Randić(德雷克大学) 我们将回顾一系列蛋白质的图形表示，并探讨其数学性质。特别是，我们将考虑“魔幻圈”对蛋白质的高度浓缩表示、星状图和光谱状表示，并考虑一些比较不变量的计算...
热度：74
Milan Randić(德雷克大学) 我们将回顾一系列蛋白质的图形表示，并探讨其数学性质。特别是，我们将考虑“魔幻圈”对蛋白质的高度浓缩表示、星状图和光谱状表示，并考虑一些比较不变量的计算...
热度：74
19More data means less inference: A pseudo-max approach to structured learning[更多的数据意味着更少的推理：一个伪最大的方法来结构化学习]
David Sontag(纽约大学) 在许多应用中，学习预测结构化标签的问题非常重要。然而，对于一般的图结构来说，在这种情况下学习和推理都是难以解决的。在这里，我们证明了当输入分布足够丰富...
热度：30
David Sontag(纽约大学) 在许多应用中，学习预测结构化标签的问题非常重要。然而，对于一般的图结构来说，在这种情况下学习和推理都是难以解决的。在这里，我们证明了当输入分布足够丰富...
热度：30
20Online Submodular Set Cover, Ranking, and Repeated Active Learning[在线子模块设置封面，排名和重复的主动学习]
Bilmes Jeff A(华盛顿大学) 我们提出一个在线预测版本的子模集覆盖与排名和重复主动学习的联系。在每一轮中，学习算法选择一个项目序列。然后，该算法接收一个单调的子模函数，并遭受等于该...
热度：48
Bilmes Jeff A(华盛顿大学) 我们提出一个在线预测版本的子模集覆盖与排名和重复主动学习的联系。在每一轮中，学习算法选择一个项目序列。然后，该算法接收一个单调的子模函数，并遭受等于该...
热度：48
21Dynamics of Networked Ontologies.[网络本体动力学]
Pascal Hitzler(赖特州立大学) 2006年3月，在意大利罗马举行的霓虹灯启动会议上，进行了知识转让讨论。
热度：29
Pascal Hitzler(赖特州立大学) 2006年3月，在意大利罗马举行的霓虹灯启动会议上，进行了知识转让讨论。
热度：29
22How to Teach Support Vector Machine to Learn Vector Outputs[如何教支持向量机学习矢量输出]
Sandor Szedmak(南安普敦大学)
热度：33
Sandor Szedmak(南安普敦大学)
热度：33
23Online MKL for Structured Prediction[结构化预测的在线多核学习]
André F. T. Martins(卡内基梅隆大学) 结构化预测（SP）问题的特点是输出变量之间具有很强的相互依赖性，通常采用顺序结构、图形结构或组合结构[17，7]。获得好的预测器通常需要在特性/内核设计和调优...
热度：44
André F. T. Martins(卡内基梅隆大学) 结构化预测（SP）问题的特点是输出变量之间具有很强的相互依赖性，通常采用顺序结构、图形结构或组合结构[17，7]。获得好的预测器通常需要在特性/内核设计和调优...
热度：44
24Linear Algebra and Machine Learning of Large Informatics Graphs[大型信息图的线性代数与机器学习]
Michael Mahoney(斯坦福大学) 大型信息学图表，如大型社会和信息网络，通常具有使许多流行的机器学习和数据分析工具在很大程度上不合适的特性。虽然这对这些应用程序来说是有问题的，但它也表...
热度：56
Michael Mahoney(斯坦福大学) 大型信息学图表，如大型社会和信息网络，通常具有使许多流行的机器学习和数据分析工具在很大程度上不合适的特性。虽然这对这些应用程序来说是有问题的，但它也表...
热度：56
2526Data-dependent Prior PAC-Bayes Bounds: Empirical Study[数据依赖现有PAC贝叶斯界限：实证研究]
Emilio Parrado-Hernandez(马德里大学)
热度：30
Emilio Parrado-Hernandez(马德里大学)
热度：30
27Sequential Superparamagnetic Clustering as Network Self-organisation Process[连续的超顺磁性聚类网络自组织过程]
Thomas Ott(苏黎世联邦理工学院) 聚类方法是对集合或场景（例如视觉或听觉场景）元素进行无监督分类和分析的有用工具。这种方法可以被看作是人工系统进行的类似认知操作的一个组成部分。问题在于...
热度：51
Thomas Ott(苏黎世联邦理工学院) 聚类方法是对集合或场景（例如视觉或听觉场景）元素进行无监督分类和分析的有用工具。这种方法可以被看作是人工系统进行的类似认知操作的一个组成部分。问题在于...
热度：51
28A path integral approach to stochastic optimal control[一种随机最优控制的路径积分方法]
Bert Kappen(奈梅亨拉德布德大学) 机器学习中的许多问题都使用概率描述。例如模式识别方法和图形模型。由于这种统一描述，我们可以应用一般的近似方法，如平均场理论和抽样方法。另一类重要的机器...
热度：216
Bert Kappen(奈梅亨拉德布德大学) 机器学习中的许多问题都使用概率描述。例如模式识别方法和图形模型。由于这种统一描述，我们可以应用一般的近似方法，如平均场理论和抽样方法。另一类重要的机器...
热度：216
29Efficient max-margin Markov learning via conditional gradient and probabilistic inference[基于条件梯度和概率推理的马尔可夫学习效率最大化]
Juho Rousu(赫尔辛基大学) 我们提出了一种适用于最大利润率结构分类任务的通用和有效的优化方法。该方法的有效性取决于多种技术的相互作用：结构化支持向量机对偶的边缘化，或最大边缘马尔...
热度：35
Juho Rousu(赫尔辛基大学) 我们提出了一种适用于最大利润率结构分类任务的通用和有效的优化方法。该方法的有效性取决于多种技术的相互作用：结构化支持向量机对偶的边缘化，或最大边缘马尔...
热度：35
30Dynamics and Interaction in BCI and Music Spaces[动态和交互的BCI和音乐空间]
Roderick Murray-Smith(格拉斯哥大学)
热度：33
Roderick Murray-Smith(格拉斯哥大学)
热度：33