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→应用统计数学::
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
16Generative and Discriminative Models in Statistical Parsing[统计句法分析中的生成和判别模型 ]
Michael Collins(麻省理工学院) 自从最早开展统计分析工作以来，一个不变的主题是发展具有互补优势的判别和生成模型。在这项工作中，我将简要介绍统计解析中的判别和生成模型，重点关注各种模型...
热度：54
Michael Collins(麻省理工学院) 自从最早开展统计分析工作以来，一个不变的主题是发展具有互补优势的判别和生成模型。在这项工作中，我将简要介绍统计解析中的判别和生成模型，重点关注各种模型...
热度：54
17Online Learning for Latent Dirichlet Allocation[潜在迪里克莱分配的在线学习]
Matt Hoffman(Adobe公司) 我们开发了一种用于潜在Dirichlet分配（LDA）的在线变分贝叶斯（VB）算法。在线LDA基于具有自然梯度步骤的在线随机优化，我们将其展示收敛到VB目标函数的局部最...
热度：90
Matt Hoffman(Adobe公司) 我们开发了一种用于潜在Dirichlet分配（LDA）的在线变分贝叶斯（VB）算法。在线LDA基于具有自然梯度步骤的在线随机优化，我们将其展示收敛到VB目标函数的局部最...
热度：90
18Granger Causality and Dynamic Structural Systems[格兰杰因果关系与动态结构系统]
Halbert White(加州大学圣地亚哥分校) 使用一般适用的动态结构方程组，我们给出了适用于结构VAR和表示时间序列自然实验的递归结构的直接和总结构因果关系的自然定义。这些概念使我们能够在格兰杰（G）...
热度：88
Halbert White(加州大学圣地亚哥分校) 使用一般适用的动态结构方程组，我们给出了适用于结构VAR和表示时间序列自然实验的递归结构的直接和总结构因果关系的自然定义。这些概念使我们能够在格兰杰（G）...
热度：88
19On Optimal Estimators in Learning Theory[论学习理论中的最优估计]
Vladimir Temlyakov(南卡罗来纳大学) 本讲座讨论了Cucker和Smale制定的监督学习中的一些问题。监督学习或从示例中学习是指基于输入xi和输出yi，i = 1，...，m的可用数据建立的过程，该函数最好地表示...
热度：42
Vladimir Temlyakov(南卡罗来纳大学) 本讲座讨论了Cucker和Smale制定的监督学习中的一些问题。监督学习或从示例中学习是指基于输入xi和输出yi，i = 1，...，m的可用数据建立的过程，该函数最好地表示...
热度：42
20Algorithms for Learning and their Estimates[学习算法及其估算]
Steve Smale(加州大学) 我们将尝试给出反映我们当前知识的“正则化最小二乘”界限的基本说明。讨论的框架是再生核Hilbert空间，具有回归的观点。作为这些想法的必然结果，我们将看到对...
热度：67
Steve Smale(加州大学) 我们将尝试给出反映我们当前知识的“正则化最小二乘”界限的基本说明。讨论的框架是再生核Hilbert空间，具有回归的观点。作为这些想法的必然结果，我们将看到对...
热度：67
21Trees for Regression and Classification[回归和分类的树模型]
Robert Nowak(威斯康星大学) 树模型广泛用于回归和分类问题，可解释性和易于实现是其主要属性。尽管广泛使用树模型，但近年来才开始对其性能进行全面的理论分析。本讲座概述了树木建模理论和...
热度：73
Robert Nowak(威斯康星大学) 树模型广泛用于回归和分类问题，可解释性和易于实现是其主要属性。尽管广泛使用树模型，但近年来才开始对其性能进行全面的理论分析。本讲座概述了树木建模理论和...
热度：73
22S-SEER: A Multimodal Office Activity Recognition System with Selective Perception[ S-SEER：具有选择性感知的多模式办公室活动识别系统]
Nuria Oliver(特拉维夫大学) 我将介绍使用分层概率表示来模拟名为S SEER的系统中人员的活动。我将描述我们如何使用表示在多个时间粒度和抽象级别进行感知，学习和推理。该方法以使用名为分层...
热度：34
Nuria Oliver(特拉维夫大学) 我将介绍使用分层概率表示来模拟名为S SEER的系统中人员的活动。我将描述我们如何使用表示在多个时间粒度和抽象级别进行感知，学习和推理。该方法以使用名为分层...
热度：34
23Lecture 14: Sampling and Monte Carlo Simulation[第14讲：采样和蒙特卡罗模拟]
John Guttag(麻省理工学院) 本讲座以一些如何使用pylab绘图机制的例子开始。然后回到使用概率和统计来从样本中获取信息的主题。覆盖的主题：绘图，随机性，概率，Pascal算法，蒙特卡罗模拟...
热度：29
John Guttag(麻省理工学院) 本讲座以一些如何使用pylab绘图机制的例子开始。然后回到使用概率和统计来从样本中获取信息的主题。覆盖的主题：绘图，随机性，概率，Pascal算法，蒙特卡罗模拟...
热度：29
24Discovering Music Structure via Similarity Fusion[通过相似融合发现音乐结构]
Jerónimo Arenas-García(卡洛斯三世马德里大学) 音乐导航和音乐推荐的自动方法利用音乐中的结构来对“歌曲空间”进行有意义的探索。为了从这样的系统中获得令人满意的性能，应该尽可能多地包含关于歌曲相似性的...
热度：80
Jerónimo Arenas-García(卡洛斯三世马德里大学) 音乐导航和音乐推荐的自动方法利用音乐中的结构来对“歌曲空间”进行有意义的探索。为了从这样的系统中获得令人满意的性能，应该尽可能多地包含关于歌曲相似性的...
热度：80
25Efficient high dimensional maximum entropy modeling via symmetric partition functions[通过对称分区函数进行高效的高维最大熵建模]
Paul Vernaza(卡内基梅隆大学) 最大熵原理在序列建模中的应用已经通过诸如条件随机场（CRF）之类的方法得到普及。然而，这些方法通常限于在低维度的离散空间中建模路径。我们认为在高维度的连...
热度：55
Paul Vernaza(卡内基梅隆大学) 最大熵原理在序列建模中的应用已经通过诸如条件随机场（CRF）之类的方法得到普及。然而，这些方法通常限于在低维度的离散空间中建模路径。我们认为在高维度的连...
热度：55
26Probabilistic Models for Data Combination in Recommender Systems[推荐系统中数据组合的概率模型]
Sinead Williamson(德克萨斯大学) 我们提出了一种联合学习多个相关矩阵的方法，并且表明，通过在两个矩阵之间共享信息，这种方法允许我们改进其中一个矩阵包含非常稀疏或没有信息的项目的预测性能...
热度：37
Sinead Williamson(德克萨斯大学) 我们提出了一种联合学习多个相关矩阵的方法，并且表明，通过在两个矩阵之间共享信息，这种方法允许我们改进其中一个矩阵包含非常稀疏或没有信息的项目的预测性能...
热度：37
27Statistical 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
28Scalable Look-Ahead Linear Regression Trees [可扩展的前瞻线性回归树]
David Vogel(中央佛罗里达大学) 前瞻线性回归树（LLRT）背后的动机是在迄今为止提出的所有方法中，没有可扩展的方法来详尽地评估叶节点中的所有可能模型以获得最佳分割。使用多种优化，LLRT能够...
热度：51
David Vogel(中央佛罗里达大学) 前瞻线性回归树（LLRT）背后的动机是在迄今为止提出的所有方法中，没有可扩展的方法来详尽地评估叶节点中的所有可能模型以获得最佳分割。使用多种优化，LLRT能够...
热度：51
29A 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
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
30BoltzRank: Learning to Maximize Expected Ranking Gain[BoltzRank：学习最大化预期排名增益]
Maksims Volkovs(多伦多大学) 根据查询与查询的相关性对一组检索到的文档进行排序是信息检索中的常见问题。学习排名函数的方法很难优化，因为排名表现通常由不平滑的指标来判断。在本文中，我...
热度：142
Maksims Volkovs(多伦多大学) 根据查询与查询的相关性对一组检索到的文档进行排序是信息检索中的常见问题。学习排名函数的方法很难优化，因为排名表现通常由不平滑的指标来判断。在本文中，我...
热度：142