境外开放课程——按学科专业列表
开放课程→自然科学→数学→概率论::

136
Neyman-Pearson classification under a strict constraint[严格约束下的尼曼-皮尔逊分类]
  Philippe Rigollet(麻省理工学院) 基于异常检测问题，本文采用内曼-皮尔逊范式处理凸损失二分类中的非对称误差。给定一个有限的分类器集合，我们将它们组合起来，得到一个同时满足以下两个高概率...
热度：108

137
Maximum Likelihood vs. Sequential Normalized Maximum Likelihood in On-line Density Estimation [在线密度估计中的最大似然与序贯归一化最大似然]
  Wojciech Kotlowski(波兰波兹南工业大学) 本文考虑了对数损失(在线密度估计)的序列预测问题。我们首先分析了最大似然策略的后悔。我们发现该策略(1)次优，(2)需要一个关于数据序列有界性的附加假设。然后...
热度：29

138
On the Consistency of Multi-Label Learning[论多标签学习的一致性]
  Wei Gao(南京大学) 多标签学习在过去几年中引起了很多关注。已经开发了许多多标记学习方法，主要用于替代损失函数，因为由于非凸性和不连续性，多标记丢失函数通常难以直接优化。尽...
热度：123

139
Competitive Closeness Testing[竞争性亲密度测试]
  Hirakendu Das(加州大学圣地亚哥分校) 我们测试两个序列是由相同的分布还是由两个差异生成。与以前的工作不同，我们不对分布的支持大小做出任何假设。另外，我们将性能与最佳测试的性能进行比较。我们...
热度：57

140
Minimax Regret of Finite Partial-Monitoring Games in Stochastic Environments[在随机环境下部分监控游戏的极小极大遗憾]
  Gábor Bartók(苏黎世联邦理工学院) 在部分监控游戏中，学习者反复选择动作，环境响应结果，然后学习者遭受损失并接收反馈信号，这两者都是动作的固定功能和结果。学习者的目标是尽量减少他的后悔，...
热度：64

141
Does an efficient calibrated forecasting strategy exist?[是否存在有效的校准预测策略？]
  Jacob Abernethy(加州大学伯克利分校) 我们回想起两个先前提出的关于预测器的渐近校准的概念，其进行一系列概率预测。我们注意到，校准预测的有效算法的存在只适用于二元结果。我们提出了一个问题：对...
热度：68

142
Dirichlet process mixtures of generalised linear models[狄利克雷过程广义线性模型的混合物]
  Lauren A. Hannah(普林斯顿大学) 摘要提出了一种新的适应连续输入和分类输入的非参数回归方法，即广义线性模型的狄利克雷过程混合模型。给出了DP-GLM回归均值函数估计存在渐近无偏性的条件;然后...
热度：53

143
On combining graph-based variance reduction schemes[基于图的方差缩减方案的组合]
  Vibhav Gogate(华盛顿大学) 在本文中，我们考虑了两个利用图形模型原始图结构的方差缩减方案:Rao-Blackwellised w-cutset抽样和和/或抽样。我们证明了这两种方案是正交的，可以结合在一起进...
热度：30

144
Reduced-rank hidden Markov models [降秩隐马尔可夫模型]
  Byron Boots(卡内基梅隆大学) Hsu等人(2009)最近提出了一种高效、精确的隐马尔科夫模型谱学习算法(HMMs)。在本文中，我们放松了他们的假设，证明了一个更严格的有限样本误差约束的情况下，降...
热度：37

145
An efficient Monte-Carlo algorithm for the ML-Type II parameter estimation of nonlinear diffusions[对于ML II型参数估计的非线性扩散的一种有效的蒙特卡洛算法]
  Yuan Shen(阿斯顿大学) 非线性扩散的数学框架在自然现象建模中发挥着重要作用。近年来，人们对这类随机动力系统的推理方法进行了大量的研究。状态估计和参数估计都很重要。将最先进的混...
热度：67

146
Computation of the MLE for bivariate interval censored data[对于双变的经过检查数据的区间最大可能性估量的计算]
  Marloes Maathuis(苏黎世联邦理工学院) 我将讨论新的r包“MLEcens”，它为二元区间截尾数据的分布函数计算非参数极大似然估计(MLE)。MLE的计算包括两个步骤:参数约简步骤和优化步骤。我将讨论这两个步...
热度：22

147
Singular Diffusion Equations: Minimally Stochastic Solution Schemes[奇异扩散方程：极小随机解]
  Bernhard Burgeth(萨尔兰大学) 全变分(TV)和平衡前向后(BFB)扩散是奇异扩散过程的常见例子:有限消光时间，实验观察到的创建分段常数区域的趋势，以及参数的缺失使它们成为非常有趣的图像处理工...
热度：57

148
Statistical Methods[概率统计]
  Paul Taylor(曼彻斯特大学) 这两节课将介绍古典统计学。第一个演讲是对一些基本统计理论的简要介绍，我觉得这些理论在这周可能会有用。主题包括:概率，似然推理，贝叶斯推理和偏差方差权衡...
热度：40

149
Bayesian Methods[贝叶斯方法]
  Christian Borgelt(欧洲软计算中心) 在过去的十年中，概率图形模型——特别是贝叶斯网络和马尔可夫网络——作为一种工具变得非常流行，用于构造有关感兴趣领域的不确定知识，以及用于构建基于知识的...
热度：61

150
Approximation and Inference using Latent Variable Sparse Linear Models[隐变量稀疏线性模型的逼近与推理]
  David P Wipf(加利福尼亚大学) 近年来，人们引入了各种贝叶斯方法，利用具有稀疏先验的线性模型进行近似推理。我们关注四种利用稀疏分布固有的潜在结构来执行的方法:(i)标准映射估计，(ii)超参...
热度：34