境外开放课程——按学科专业列表
开放课程→自然科学→数学→数理统计学::
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
![](functions/showpic.php?filename=2019052208072440.png)
Lecture 17: Curve Fitting[第17讲:曲线拟合]
John Guttag(麻省理工学院) 本讲座是关于如何使用计算来帮助理解实验数据。它讨论了使用线性回归拟合曲线到数据,并引入了确定系数作为拟合紧密度的度量。涵盖的主题:数组,曲线拟合,nump...
热度:74
John Guttag(麻省理工学院) 本讲座是关于如何使用计算来帮助理解实验数据。它讨论了使用线性回归拟合曲线到数据,并引入了确定系数作为拟合紧密度的度量。涵盖的主题:数组,曲线拟合,nump...
热度:74
![](functions/showpic.php?filename=2019051110182235.png)
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
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
![](functions/showpic.php?filename=2019042407080716.png)
An Efficient Sparse Metric Learning in High-Dimensional Space via L1-Penalized Log-Determinant Regularization[利用L1-惩罚对数 - 行列式正则化在高维空间中进行有效的稀疏度量学习]
Guo-Jun Qi(伊利诺伊大学) 本文通过$ \ ell_1 $惩罚对数行列式正则化提出了一种高维空间中的有效稀疏度量学习算法。与现有的距离度量学习算法相比,该算法利用了内在高维特征空间的稀疏性...
热度:92
Guo-Jun Qi(伊利诺伊大学) 本文通过$ \ ell_1 $惩罚对数行列式正则化提出了一种高维空间中的有效稀疏度量学习算法。与现有的距离度量学习算法相比,该算法利用了内在高维特征空间的稀疏性...
热度:92
![](functions/showpic.php?filename=2019042110133312.png)
Fast Solvers and Efficient Implementations for Distance Metric Learning[远程度量学习的快速求解和有效实现]
Kilian Weinberger(康奈尔大学) 在本文中,我们研究如何通过学习马哈拉诺比斯距离度量来改进最近邻分类。我们建立在最近提出的距离度量学习框架上,称为大边缘最近邻居(LMNN)分类。在此框架内...
热度:97
Kilian Weinberger(康奈尔大学) 在本文中,我们研究如何通过学习马哈拉诺比斯距离度量来改进最近邻分类。我们建立在最近提出的距离度量学习框架上,称为大边缘最近邻居(LMNN)分类。在此框架内...
热度:97
![](functions/showpic.php?filename=2019042108415588.png)
On Partial Optimality in Multi-label MRFs[关于多标签MRF的部分最优性]
Alexander Shekhovtsov(格拉茨科技大学) 我们考虑优化多标签MRF的问题,这通常是NP难以在低级计算机视觉中无处不在。解决方案的一种方法是将其表示为整数规划问题并放宽完整性约束。我们在本文中考虑的...
热度:87
Alexander Shekhovtsov(格拉茨科技大学) 我们考虑优化多标签MRF的问题,这通常是NP难以在低级计算机视觉中无处不在。解决方案的一种方法是将其表示为整数规划问题并放宽完整性约束。我们在本文中考虑的...
热度:87
![](functions/showpic.php?filename=2019042108290237.png)
Inverting the Viterbi Algorithm: an Abstract Framework for Structure Design[反维特比算法:结构设计的抽象框架]
Michael Schnall-Levin(麻省理工学院) 诸如隐马尔可夫模型(HMM)和随机上下文无关语法(SCFG)之类的概率语法形式已被广泛研究并广泛应用于许多领域。在这里,我们介绍了一种关于HMM和SCFG的新算法问...
热度:84
Michael Schnall-Levin(麻省理工学院) 诸如隐马尔可夫模型(HMM)和随机上下文无关语法(SCFG)之类的概率语法形式已被广泛研究并广泛应用于许多领域。在这里,我们介绍了一种关于HMM和SCFG的新算法问...
热度:84
![](functions/showpic.php?filename=2019042108231571.png)
On the Quantitative Analysis of Deep Belief Networks[论深层信念网络的定量分析]
Ruslan Salakhutdinov(卡内基梅隆大学) Deep Belief Networks(DBN)是包含许多隐藏变量层的生成模型。用于学习和近似推理的高效贪心算法使这些模型能够在许多应用领域中成功应用。 DBN的主要构建块是...
热度:58
Ruslan Salakhutdinov(卡内基梅隆大学) Deep Belief Networks(DBN)是包含许多隐藏变量层的生成模型。用于学习和近似推理的高效贪心算法使这些模型能够在许多应用领域中成功应用。 DBN的主要构建块是...
热度:58
![](functions/showpic.php?filename=2019032809084551.png)
An Analysis of Probabilistic Methods for Top-N Recommendation in Collaborative Filtering[协同过滤中Top-N推荐的概率方法分析]
Nicola Barbieri(雅虎公司) 在这项工作中,我们根据不同的验证视角对推荐的概率方法进行分析,该方法侧重于准确度指标,如召回和推荐列表的精确度。传统上,对推荐的在这项工作中,我们从不...
热度:100
Nicola Barbieri(雅虎公司) 在这项工作中,我们根据不同的验证视角对推荐的概率方法进行分析,该方法侧重于准确度指标,如召回和推荐列表的精确度。传统上,对推荐的在这项工作中,我们从不...
热度:100
![](functions/showpic.php?filename=2019031309201772.png)
Making centralized (graph) computation faster, distributed and (at times) better[使集中(图形)计算更快、更分散并且(有时)更好]
Devavrat Shah(麻省理工学院) 我将使用图分区在图形模型中引入一种通用的近似推理方法。得到的算法是线性时间,并且在更大类的图形模型中提供最大后验分配(MAP)的极好近似,包括具有“多项...
热度:86
Devavrat Shah(麻省理工学院) 我将使用图分区在图形模型中引入一种通用的近似推理方法。得到的算法是线性时间,并且在更大类的图形模型中提供最大后验分配(MAP)的极好近似,包括具有“多项...
热度:86
![](functions/showpic.php?filename=2019031309140783.png)
PAC-Bayesian Analysis: A Link Between Inference and Statistical Physics[PAC-贝叶斯分析:推理与统计物理学之间的联系]
Yevgeny Seldin(哥本哈根大学) PAC贝叶斯分析是一种推导广泛推理规则的泛化界限的通用工具。有趣的是,PAC贝叶斯泛化界限在推理规则的经验表现与推理规则所应用的假设空间的后验分布与假设空间...
热度:240
Yevgeny Seldin(哥本哈根大学) PAC贝叶斯分析是一种推导广泛推理规则的泛化界限的通用工具。有趣的是,PAC贝叶斯泛化界限在推理规则的经验表现与推理规则所应用的假设空间的后验分布与假设空间...
热度:240
![](functions/showpic.php?filename=2019022708283632.jpg)
Online Learning for Time Series Prediction[在线学习时间序列预测]
Elad Hazan(以色列理工学院) 在本文中,我们使用ARMA(自回归滑动平均)模型在噪声项的最小假设下解决了预测时间序列的问题。使用遗憾最小化技术,我们为预测问题开发有效的在线学习算法,而...
热度:250
Elad Hazan(以色列理工学院) 在本文中,我们使用ARMA(自回归滑动平均)模型在噪声项的最小假设下解决了预测时间序列的问题。使用遗憾最小化技术,我们为预测问题开发有效的在线学习算法,而...
热度:250
![](functions/showpic.php?filename=2019030707112769.png)
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
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
![](functions/showpic.php?filename=2018032002123857.jpg)
![](functions/showpic.php?filename=2018020205415821.jpg)
Adaptive procedures for FDR control in multiple testing[对错误发生率控制的多重测试]
Gilles Blanchard(德国波茨坦大学) 多重测试是一个经典的统计主题,在过去的十年中,由于在这方面需要强大和可靠的程序的应用领域的增长,多重测试受到了极大的关注。例如,在生物信息学中,常常需...
热度:34
Gilles Blanchard(德国波茨坦大学) 多重测试是一个经典的统计主题,在过去的十年中,由于在这方面需要强大和可靠的程序的应用领域的增长,多重测试受到了极大的关注。例如,在生物信息学中,常常需...
热度:34
![](functions/showpic.php?filename=2018012310244541.png)
ATT: Analyzing Temporal Dynamics of Topics and Authors in Social Media[在社会化媒体的主题和作者的时空动态分析]
Nasir Naveed(科布伦茨兰道大学) 在信息检索领域,了解话题发展趋势和用户角色是一个重要的挑战。在这篇文章中,我们提出了一个新的模型,用于分析用户的兴趣随着时间的推移而发生的变化。作者-...
热度:45
Nasir Naveed(科布伦茨兰道大学) 在信息检索领域,了解话题发展趋势和用户角色是一个重要的挑战。在这篇文章中,我们提出了一个新的模型,用于分析用户的兴趣随着时间的推移而发生的变化。作者-...
热度:45