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→概率论::
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
196Probabilistic Machine Learning in Computational Advertising[计算广告中的概率机器学习]
Thore Graepel(微软公司) 在过去的几年里，在线广告的增长速度至少比所有其他媒体上的广告快了一个数量级。这篇演讲集中在搜索引擎上的广告上，准确预测用户点击广告的概率对所有三方都至...
热度：54
Thore Graepel(微软公司) 在过去的几年里，在线广告的增长速度至少比所有其他媒体上的广告快了一个数量级。这篇演讲集中在搜索引擎上的广告上，准确预测用户点击广告的概率对所有三方都至...
热度：54
197A Pathwise Algorithm for Covariance Selection[一个协方差选择的顺向算法]
Selin Damla Ahipasaoglu(康奈尔大学) 协方差选择在限制非零逆协方差矩阵系数个数的同时，寻求最大似然估计协方差矩阵。在逆矩阵中，单个惩罚参数通常控制对数似然性和稀疏性之间的权衡。我们描述了一...
热度：60
Selin Damla Ahipasaoglu(康奈尔大学) 协方差选择在限制非零逆协方差矩阵系数个数的同时，寻求最大似然估计协方差矩阵。在逆矩阵中，单个惩罚参数通常控制对数似然性和稀疏性之间的权衡。我们描述了一...
热度：60
198Graphical Models via Generalized Linear Models[基于广义线性模型的图形化模型]
Eunho Yang(德克萨斯大学) 无向图形模型或马尔可夫网络，如高斯图形模型和伊辛模型，在各种应用中都很受欢迎。然而，在许多情况下，数据可能不会遵循这些模型假定的高斯或二项式分布。我们...
热度：46
Eunho Yang(德克萨斯大学) 无向图形模型或马尔可夫网络，如高斯图形模型和伊辛模型，在各种应用中都很受欢迎。然而，在许多情况下，数据可能不会遵循这些模型假定的高斯或二项式分布。我们...
热度：46
199On the Completeness of First-Order Knowledge Compilation for Lifted Probabilistic Inference[对一阶知识编译的完整性概率推理]
Guy Van den Broeck(加州大学洛杉矶分校) 概率逻辑由于其对知识表示和学习的表达能力，在今天受到了广泛的关注。然而，当在命题层次上进行推理时，这种表达方式不利于推理的可驾驭性。为了解决这一问题，...
热度：61
Guy Van den Broeck(加州大学洛杉矶分校) 概率逻辑由于其对知识表示和学习的表达能力，在今天受到了广泛的关注。然而，当在命题层次上进行推理时，这种表达方式不利于推理的可驾驭性。为了解决这一问题，...
热度：61
200Tree-Structured Stick Breaking for Hierarchical Data[分层数据的树形结构分断]
Ryan Prescott Adams(多伦多大学) 许多数据都是由一个不可见的层次结构自然建模的。本文提出了一种基于未知数据层次的柔性非参数先验。该方法使用嵌套的断棒过程来允许具有无限宽度和深度的树，在...
热度：59
Ryan Prescott Adams(多伦多大学) 许多数据都是由一个不可见的层次结构自然建模的。本文提出了一种基于未知数据层次的柔性非参数先验。该方法使用嵌套的断棒过程来允许具有无限宽度和深度的树，在...
热度：59
201Cut Locus and Topology from Point Data[点数据的切割轨迹和拓扑]
Tamal Dey(俄亥俄州立大学) 紧致黎曼流形M中点P的切割轨迹定义为点集，其中从点P发出的测地线最小化是最小化的。已知切割轨迹包含M的大部分拓扑信息，我们的目标是利用切割轨迹的这一性质从...
热度：86
Tamal Dey(俄亥俄州立大学) 紧致黎曼流形M中点P的切割轨迹定义为点集，其中从点P发出的测地线最小化是最小化的。已知切割轨迹包含M的大部分拓扑信息，我们的目标是利用切割轨迹的这一性质从...
热度：86
202Geometric Inference for Probability Distribution[概率分布的几何推理]
Frederic Chazal(法国国家信息与自动化研究所) 数据通常以点云的形式从欧几里得空间的一个未知的压缩子集中取样。然后，几何推理的一般目标是从近似点云数据中恢复该子集的几何和拓扑特征（贝蒂数、曲率等）。...
热度：39
Frederic Chazal(法国国家信息与自动化研究所) 数据通常以点云的形式从欧几里得空间的一个未知的压缩子集中取样。然后，几何推理的一般目标是从近似点云数据中恢复该子集的几何和拓扑特征（贝蒂数、曲率等）。...
热度：39
203Triple jump acceleration for the EM algorithm and its extrapolation-based variants[应用于电磁场算法的三级加速及其基于外推的变型]
Han-Shen Huang(中央研究院) 艾特肯加速度是加速不动点迭代计算最常用的方法之一，包括电磁法。然而，它需要计算或近似电磁映射矩阵的雅可比矩阵，这对于复杂的模型来说是难以解决的。我们将...
热度：33
Han-Shen Huang(中央研究院) 艾特肯加速度是加速不动点迭代计算最常用的方法之一，包括电磁法。然而，它需要计算或近似电磁映射矩阵的雅可比矩阵，这对于复杂的模型来说是难以解决的。我们将...
热度：33
204Exponential Families in Feature Space - Part 6[特征空间中的指数族- 第6部分]
Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：55
Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：55
205Exponential Families in Feature Space - Part 5[特征空间中的指数族- 第5部分]
Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：37
Vishwanathan S.V.N(加利福尼亚大学) 在这门入门课程中，我们将讨论如何将对数线性模型扩展到特征空间。这些对数线性模型长期以来一直被统计学家以概率分布的指数族的名义研究。我们提供了一个统一的...
热度：37
206Probabilistic Graphical Models[概率图模型]
Sam Roweis(无) 我的讲座将介绍图形模型的基础知识，也称为Bayes（Ian）（信念）网络（Work）S。我们将介绍使用概率表示机器学习中不确定知识的基本动机和原因，并介绍图形模型...
热度：41
Sam Roweis(无) 我的讲座将介绍图形模型的基础知识，也称为Bayes（Ian）（信念）网络（Work）S。我们将介绍使用概率表示机器学习中不确定知识的基本动机和原因，并介绍图形模型...
热度：41
207Automated detection of chaotic and oscillatory regimes[混沌和振荡机制的自动检测]
Daniel Silk(伦敦帝国学院) 定性参数估计算法是一类有前途但不发达的推理方法[1]。当只知道或需要指定系统的定性特征时，它们提供了推断参数的能力。在这里，我们采用无气味卡尔曼滤波器来...
热度：49
Daniel Silk(伦敦帝国学院) 定性参数估计算法是一类有前途但不发达的推理方法[1]。当只知道或需要指定系统的定性特征时，它们提供了推断参数的能力。在这里，我们采用无气味卡尔曼滤波器来...
热度：49
208ProbLog and its Application to Link Mining in Biological Networks[ProbLog逻辑程序语言和其链接在生物网络挖掘中的应用]
Luc De Raedt(鲁汶大学) Problog是最近引入的Prolog的概率扩展[De Raedt，Kimmig，Toivonen，Ijcai 07]。problog程序通过为每个子句指定属于随机抽样程序的概率来定义逻辑程序的分布，这...
热度：124
Luc De Raedt(鲁汶大学) Problog是最近引入的Prolog的概率扩展[De Raedt，Kimmig，Toivonen，Ijcai 07]。problog程序通过为每个子句指定属于随机抽样程序的概率来定义逻辑程序的分布，这...
热度：124
209The Innovation Economy: How Technology Is Transforming Existing Industries and Creating New Ones[创新经济：技术是如何改造现有产业和创造新的经济的]
Clayton Christensen(哈佛大学) 本课程提供了创新者困境后的新情况预览。大多数人相信，创新过程本身就受到随机事件的影响。尽管这毫无疑问是真的，但克里斯滕森教授已经开始相信，创新并没有许...
热度：59
Clayton Christensen(哈佛大学) 本课程提供了创新者困境后的新情况预览。大多数人相信，创新过程本身就受到随机事件的影响。尽管这毫无疑问是真的，但克里斯滕森教授已经开始相信，创新并没有许...
热度：59
210Introduction to Discrete Stochastic Processes and Probability Review[离散随机过程和概率综述介绍]
Gallager Robert G(麻省理工学院) 在现实世界中，概率与公理化数学模型有关。回顾事件、独立性和随机变量，强调公理和直觉。
热度：20
Gallager Robert G(麻省理工学院) 在现实世界中，概率与公理化数学模型有关。回顾事件、独立性和随机变量，强调公理和直觉。
热度：20