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::

76
The Topic-Perspective Model for Social Tagging Systems[社会标签系统的主题透视模型 ]
  Caimei Lu(德雷克塞尔大学) 在本文中，我们提出了一种新的概率生成模型，称为主题透视模型，用于模拟社会注释的生成过程。与其他生成模型不同，在我们的模型中，标签生成过程与内容项生成过...
热度：55

77
On Community Outliers and their Efficient Detection in Information Networks[信息网络中的社区异常及其有效检测 ]
  Jing Gao(布法罗大学) 链接或网络数据在许多应用程序中无处不在。示例包括通过超链接连接的网络数据或超文本文档，通过朋友链接连接的社交网络或用户配置文件，共同作者和引用信息，博...
热度：101

78
Compressed Fisher Linear Discriminant Analysis: Classification of Randomly Projected Data[压缩Fisher线性判别分析：随机投影数据的分类]
  Robert J. Durrant(伯明翰大学 ) 我们将随机投影与分类结合起来考虑，特别是在随机投影数据空间中对Fisher线性判别（FLD）分类器的分析。与此前设置中其他分类器的先前分析不同，我们避免了当人...
热度：52

79
Scalable Pseudo-Likelihood Estimation in Hybrid Random Fields[混合随机场中的可伸缩伪似然估计 ]
  Antonino Freno(锡耶纳大学 ) 从高维数据集学习概率图形模型是计算上具有挑战性的任务。在许多有趣的应用中，域维度是为了防止现有技术的统计学习技术在合理的时间内提供准确的模型。本文提出...
热度：85

80
Knowledge Discovery of Multiple-topic Document using Parametric Mixture Model with Dirichlet Prior[基于Dirichlet先验参数混合模型的多主题文献知识发现]
  Issei Sato(东京大学) 文档，例如在维基百科和Folksonomy上看到的文档，往往被分配多个主题作为元数据。因此，分析文档与分配给文档的主题之间的关系越来越重要。在本文中，我们提出了...
热度：35

81
Automatic Labeling of Multinomial Topic Models[多项主题模型的自动标注]
  Qiaozhu Mei(伊利诺伊大学) 单词上的多项分布经常用于对文本集合中的主题进行建模。将所有此类主题模型应用于任何文本挖掘问题的常见主要挑战是准确标记多项主题模型，以便用户可以解释发现...
热度：85

82
Learning relational bayesian classifiers from RDF data[从RDF数据学习关系贝叶斯分类器]
  Harris Lin(爱荷华州立大学) 大型RDF数据集的日益增加的可用性提供了使用机器学习算法来使用这些数据来构建预测模型的令人鼓舞的机会。然而，RDF数据的大规模和分布式特征要求在仅通过查询接...
热度：42

83
Optimization and Evaluation of Reasoning in Probabilistic Description Logic: Towards a Systematic Approach[概率描述逻辑推理的优化与评价：一种系统方法]
  Pavel Klinov(乌尔姆大学) 本文描述了为概率描述逻辑P $ {\ ensuremath {\ mathcal {SHIQ}}（D）} $开发测试和评估reasoners性能的方法的第一步。由于它是处理DL本体不确定性的新形式，因...
热度：40

84
Bayesian dynamic modelling[贝叶斯动态建模 ]
  Michael I. Jordan, Mike West(杜克大学) 自20世纪70年代以来，贝叶斯时间序列模型和预测方法的应用代表了我们学科的主要成功案例。动态建模是一个非常广泛的领域，因此这个关于贝叶斯基金会的ISBA讲座将...
热度：104

85
Approximate Bayesian computation (ABC): advances and questions[近似贝叶斯计算（ABC）：进展和问题 ]
  Christian P. Robert, Peter Mueller(巴黎多芬大学) 多年来贝叶斯计算的缺失一直是封闭形式可能性的缺陷，并且在引入MCMC方法之前，贝叶斯范式的传播受到严重阻碍。我们现在正面临着这样的模式，其中MCMC完成模型以...
热度：283

86
A Tutorial on Logic-Based Approaches to SRL[基于逻辑的SRL方法教程 ]
  James Cussens(约克大学) 统计关系学习中的关系通常使用一阶逻辑来表达，从而形成将逻辑和概率表示相结合的形式。在本次演讲中，我打算解释采用逻辑方法对SRL的最重要后果。定义“可能世...
热度：74

87
Compact and Understandable Descriptions of Mixtures of Bernoulli Distributions[伯努利分布混合物的简洁易懂的描述 ]
  Jaakko Hollmén(国赫尔辛基科技机构 ) 有限混合模型可用于估计复杂的，未知的概率分布以及聚类数据。模型的参数形成复杂的表示，并不适合于解释目的。在本文中，我们提出了一种方法来描述多元伯努利分...
热度：107

88
Modeling Diffusion in Social Networks Using Network Properties[利用网络特性模拟社交网络中的扩散]
  Minh-Duc Luu(新加坡管理大学 ) 由于物品通过口口传播和外部因素传播，物品的扩散发生在社交网络中。这些项目可能是新闻，产品，视频，广告或传染病毒。以前的研究已经研究了宏观和微观层面的扩...
热度：69

89
The Party Is Over Here: Structure and Content in the 2010 Election[关于政党：2010年选举的结构和内容]
  Avishay Livne(密歇根大学) 在这项工作中，我们研究了众议院，参议院和州长候选人在美国中期（2010年）选举期间使用Twitter的情况。我们的数据包括近700个候选人和超过690k的文件，他们在导...
热度：39

90
A Stochastic Memoizer for Sequence Data[序列数据的随机存储器]
  Frank Wood(伦敦大学学院) 我们为离散序列数据提出了一个无界深度，分层，贝叶斯非参数模型。该模型可以从单个训练序列估计，但是在子结构符号预测分布之间共享统计强度，例如预测性能很好...
热度：28