图 书 馆境外开放课程——按学科专业列表
开放课程→人文社会科学→统计学::
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
106A Generative Model for Rhythms[节奏的生成模型]
Jean-François Paiement(IDIAP研究所) 音乐建模涉及捕捉时间序列中的长期依赖关系，事实证明，传统的统计方法很难实现。 仅考虑节奏时会出现同样的问题。 在本文中，我们基于子序列之间的距离分布引入...
热度：72
Jean-François Paiement(IDIAP研究所) 音乐建模涉及捕捉时间序列中的长期依赖关系，事实证明，传统的统计方法很难实现。 仅考虑节奏时会出现同样的问题。 在本文中，我们基于子序列之间的距离分布引入...
热度：72
107Hierarchical Bayesian Models for Audio and Music Processing[音频和音乐处理的分层贝叶斯模型]
A. Taylan Cemgil(剑桥大学) 近年来，对用于分析音频和音乐信号的机器学习的统计方法和工具的兴趣日益增加，部分地由音乐信息检索，计算机辅助音乐教育和交互式音乐表演系统中的应用驱动。统...
热度：74
A. Taylan Cemgil(剑桥大学) 近年来，对用于分析音频和音乐信号的机器学习的统计方法和工具的兴趣日益增加，部分地由音乐信息检索，计算机辅助音乐教育和交互式音乐表演系统中的应用驱动。统...
热度：74
108Bayesian Nonparametric Modeling of Suicide Attempts[自杀未遂的贝叶斯非参数模型]
Isabel Valera(卡洛斯三世马德里大学) 关于酒精和相关病症的国家流行病学调查（NESARC）数据库包含大量关于美国人口代表性样本的生活方式，医疗状况，抑郁等的信息。在本文中，我们有兴趣寻找自杀企图...
热度：48
Isabel Valera(卡洛斯三世马德里大学) 关于酒精和相关病症的国家流行病学调查（NESARC）数据库包含大量关于美国人口代表性样本的生活方式，医疗状况，抑郁等的信息。在本文中，我们有兴趣寻找自杀企图...
热度：48
109Active Comparison of Prediction Models[预测模型的主动比较]
Christoph Sawade(波茨坦大学) 我们解决了在固定标签预算中尽可能自信地比较两个给定预测模型的风险的问题，例如基线模型和挑战者。每当模型无法与保持的训练数据进行比较时，就会出现此问题，...
热度：64
Christoph Sawade(波茨坦大学) 我们解决了在固定标签预算中尽可能自信地比较两个给定预测模型的风险的问题，例如基线模型和挑战者。每当模型无法与保持的训练数据进行比较时，就会出现此问题，...
热度：64
110Putting Bayes to sleep[让贝斯睡觉]
Wouter M. Koolen(中华科技中心公司) 我们考虑从一组模型作为输入给出预测的顺序预测算法。如果数据的性质随着时间的推移而变化，因为不同的模型可以很好地预测数据的不同部分，那么通常通过将每一轮...
热度：63
Wouter M. Koolen(中华科技中心公司) 我们考虑从一组模型作为输入给出预测的顺序预测算法。如果数据的性质随着时间的推移而变化，因为不同的模型可以很好地预测数据的不同部分，那么通常通过将每一轮...
热度：63
111Multi-criteria Anomaly Detection using Pareto Depth Analysis[基于帕累托深度分析的多准则异常检测]
Alfred O. Hero III(密歇根大学) 我们考虑识别表现出异常行为的数据集中的模式的问题，通常称为异常检测。在大多数异常检测算法中，数据样本之间的不相似性通过单个标准计算，例如欧几里德距离。...
热度：91
Alfred O. Hero III(密歇根大学) 我们考虑识别表现出异常行为的数据集中的模式的问题，通常称为异常检测。在大多数异常检测算法中，数据样本之间的不相似性通过单个标准计算，例如欧几里德距离。...
热度：91
112Regression Canonical Correlation Analysis[回归典型相关分析]
Jan Rupnik(约瑟夫·斯特凡学院) 在本文中，我们提出了回归典型相关分析，它是典型相关分析的扩展，其中一个维度是固定的，并演示如何有效地解决它。 我们在跨语言信息检索的上下文中将扩展应用...
热度：109
Jan Rupnik(约瑟夫·斯特凡学院) 在本文中，我们提出了回归典型相关分析，它是典型相关分析的扩展，其中一个维度是固定的，并演示如何有效地解决它。 我们在跨语言信息检索的上下文中将扩展应用...
热度：109
113Multiview Clustering via Canonical Correlation Analysis[基于典型相关分析的多视图聚类]
Karen Livescu(芝加哥丰田技术学院) 当数据是高维的时，诸如k-means的聚类算法表现不佳。近年来开发的许多有效的聚类算法通过将数据投影到较低维的子空间（例如，低维空间）来解决该问题。在聚类之...
热度：83
Karen Livescu(芝加哥丰田技术学院) 当数据是高维的时，诸如k-means的聚类算法表现不佳。近年来开发的许多有效的聚类算法通过将数据投影到较低维的子空间（例如，低维空间）来解决该问题。在聚类之...
热度：83
114The Sample Complexity of Learning the Kernel[学习内核的样本复杂性 ]
Shai Ben-David(滑铁卢大学 ) 基于内核的学习算法的成功取决于内核对学习任务的适用性。理想情况下，内核的选择应基于学习者关于手头任务的先验信息。但是，实际上，正在根据可用的训练数据调...
热度：69
Shai Ben-David(滑铁卢大学 ) 基于内核的学习算法的成功取决于内核对学习任务的适用性。理想情况下，内核的选择应基于学习者关于手头任务的先验信息。但是，实际上，正在根据可用的训练数据调...
热度：69
115Gaussian process regression bootstrapping[高斯过程回归引导 ]
Paul Kirk(帝国理工学院) 机械和经验建模技术都用于系统生物学。前者构建模型，其结构明确描述了所研究的生物系统的组成部分，而后者则预测了数据中模式的强度。尽管高斯过程回归（GPR）...
热度：144
Paul Kirk(帝国理工学院) 机械和经验建模技术都用于系统生物学。前者构建模型，其结构明确描述了所研究的生物系统的组成部分，而后者则预测了数据中模式的强度。尽管高斯过程回归（GPR）...
热度：144
116Fast Discriminative Component Analysis for Comparing Examples[比较实例的快速判别成分分析 ]
Jaakko Peltonen(阿尔托大学) 最近的两种方法，邻域成分分析（NCA）和信息判别分析（IDA），搜索类判别子空间或数据的判别成分，相当于学习垂直于子空间的变化不变的距离度量。将度量约束到子...
热度：83
Jaakko Peltonen(阿尔托大学) 最近的两种方法，邻域成分分析（NCA）和信息判别分析（IDA），搜索类判别子空间或数据的判别成分，相当于学习垂直于子空间的变化不变的距离度量。将度量约束到子...
热度：83
117Statistical Translation, Heat Kernels, and Expected Distances[统计转换、热核和预期距离]
Guy Lebanon(普渡大学) 诸如文本和图像之类的高维结构化数据通常在统计建模中很难理解和错误表示。标准直方图表示具有高方差并且通常表现不佳。我们探索统计翻译，流形和图形上的热核以...
热度：72
Guy Lebanon(普渡大学) 诸如文本和图像之类的高维结构化数据通常在统计建模中很难理解和错误表示。标准直方图表示具有高方差并且通常表现不佳。我们探索统计翻译，流形和图形上的热核以...
热度：72
118On the Quality of Inferring Interests From Social Neighbors[论社会邻里利益推断的质量]
Zhen Wen(IBM公司) 本文旨在提供一些科学问题的见解：从他/她的社交关系朋友，朋友的朋友，3度朋友等推断出一个人的兴趣有多大可能？ “羽毛之鸟聚集在一起”是一种常态吗？我们不...
热度：51
Zhen Wen(IBM公司) 本文旨在提供一些科学问题的见解：从他/她的社交关系朋友，朋友的朋友，3度朋友等推断出一个人的兴趣有多大可能？ “羽毛之鸟聚集在一起”是一种常态吗？我们不...
热度：51
119Overlapping Experiment Infrastructure: More, Better, Faster Experimentation[重叠的实验基础设施：更多、更好、更快的实验]
Diane Tang(斯坦福大学) 在谷歌，实验几乎是一个口头禅;我们评估几乎所有可能影响用户体验的变化。这些变化不仅包括明显的用户可见变化，例如对用户界面的修改，还包括更微妙的变化，例...
热度：232
Diane Tang(斯坦福大学) 在谷歌，实验几乎是一个口头禅;我们评估几乎所有可能影响用户体验的变化。这些变化不仅包括明显的用户可见变化，例如对用户界面的修改，还包括更微妙的变化，例...
热度：232
120Ensemble Pruning via Individual Contribution Ordering[个体贡献排序的合集修剪 ]
Zhenyu Lu(佛蒙特大学 ) 集合是一组共同作出决策的学习模型。虽然集合通常比单个学习者更准确，但是现有的集合方法通常倾向于构造不必要的大集合，这增加了存储器消耗和计算成本。集合修...
热度：67
Zhenyu Lu(佛蒙特大学 ) 集合是一组共同作出决策的学习模型。虽然集合通常比单个学习者更准确，但是现有的集合方法通常倾向于构造不必要的大集合，这增加了存储器消耗和计算成本。集合修...
热度：67