图 书 馆境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术→计算机科学技术基础学科::
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
181Towards Interoperable Visualization Applications Over Linked Data[基于链接数据的互操作可视化应用]
Ghislain Auguste Atemezing(巴黎高等电信学院) 此演讲概述了基于链接数据构建的应用程序类型，评估用于构建这些应用程序的工具的框架以及描述基于LOD开发的可视化应用程序的词汇表，以实现更高的互操作性和组...
热度：38
Ghislain Auguste Atemezing(巴黎高等电信学院) 此演讲概述了基于链接数据构建的应用程序类型，评估用于构建这些应用程序的工具的框架以及描述基于LOD开发的可视化应用程序的词汇表，以实现更高的互操作性和组...
热度：38
182Rule-Based Active Sampling for Learning to Rank[基于规则的主动抽样排序学习算法]
Rodrigo Silva(米纳斯吉拉斯联邦大学) 学习排名（L2R）算法依赖于标记的训练集来生成排名模型，该模型随后可用于对新查询结果进行排名。生产这些标记的训练集通常非常昂贵，因为它需要人工注释者来评...
热度：55
Rodrigo Silva(米纳斯吉拉斯联邦大学) 学习排名（L2R）算法依赖于标记的训练集来生成排名模型，该模型随后可用于对新查询结果进行排名。生产这些标记的训练集通常非常昂贵，因为它需要人工注释者来评...
热度：55
183The Minimum Transfer Cost Principle for Model-Order Selection[模型订单选择的最小转移成本原则]
Morteza Haghir Chehreghani(苏黎世理工学院) 模型顺序选择的目的是选择一种模型变体，该模型变体从训练数据到看不见的测试数据最好地泛化。在没有标签的无监督学习中，解决方案的泛化误差的计算提出了一个概...
热度：51
Morteza Haghir Chehreghani(苏黎世理工学院) 模型顺序选择的目的是选择一种模型变体，该模型变体从训练数据到看不见的测试数据最好地泛化。在没有标签的无监督学习中，解决方案的泛化误差的计算提出了一个概...
热度：51
184Classification with Deep Invariant Scattering Networks[深不变散射网络分类]
Stéphane Mallat(巴黎高等理工学院) 与统计决策理论相比，高维数据表示处于起步阶段。如何优化内核或所谓的特征向量？它们应该增加还是减少尺寸？令人惊讶的是，深度神经网络已成功构建了积累实验成...
热度：27
Stéphane Mallat(巴黎高等理工学院) 与统计决策理论相比，高维数据表示处于起步阶段。如何优化内核或所谓的特征向量？它们应该增加还是减少尺寸？令人惊讶的是，深度神经网络已成功构建了积累实验成...
热度：27
185ImageNet Classification with Deep Convolutional Neural Networks[基于深度卷积神经网络的图像网络分类]
Alex Krizhevsky(多伦多大学) 我们训练了一个大型的深度卷积神经网络，以将LSVRC 2010 ImageNet训练中的130万个高分辨率图像分类为1000个不同的类。在测试数据上，我们实现了前1个和前5个错误...
热度：128
Alex Krizhevsky(多伦多大学) 我们训练了一个大型的深度卷积神经网络，以将LSVRC 2010 ImageNet训练中的130万个高分辨率图像分类为1000个不同的类。在测试数据上，我们实现了前1个和前5个错误...
热度：128
186PageRank and Generic Entity Summarization for RDF Knowledge Bases[RDF知识库的PageRank和通用实体摘要]
Andreas Thalhammer;Dennis Diefenbach(圣艾蒂安让蒙内大学) 排名和实体汇总是紧密相连的操作，在许多不同的领域中经常发生。可能的应用领域包括信息检索，问题解答，命名实体歧义消除，共同参考解析和自然语言生成。但是，...
热度：49
Andreas Thalhammer;Dennis Diefenbach(圣艾蒂安让蒙内大学) 排名和实体汇总是紧密相连的操作，在许多不同的领域中经常发生。可能的应用领域包括信息检索，问题解答，命名实体歧义消除，共同参考解析和自然语言生成。但是，...
热度：49
187Mining Heterogeneous Information Networks[挖掘异构信息网络]
Jiawei Han(伊利诺伊大学) 现实世界中的大多数对象和数据是多种类型的，相互连接，形成复杂的，异构的但通常是半结构化的信息网络。但是，大多数网络科学研究者专注于同类网络，而没有区分...
热度：41
Jiawei Han(伊利诺伊大学) 现实世界中的大多数对象和数据是多种类型的，相互连接，形成复杂的，异构的但通常是半结构化的信息网络。但是，大多数网络科学研究者专注于同类网络，而没有区分...
热度：41
188Mining Complex Entities from Heterogeneous Information Networks
Fabio Ciravegna; Andrea Varga(谢菲尔德大学) 大多数有关信息挖掘的研究都集中在经典的信息提取（IE）任务上，这些任务来自结构化和非结构化文档，例如报纸文章和网页。然而，在过去的几年中，社交媒体作为共...
热度：50
Fabio Ciravegna; Andrea Varga(谢菲尔德大学) 大多数有关信息挖掘的研究都集中在经典的信息提取（IE）任务上，这些任务来自结构化和非结构化文档，例如报纸文章和网页。然而，在过去的几年中，社交媒体作为共...
热度：50
189Explass: Exploring Associations between Entities via Top-K Ontological Patterns and Facets[Explass：通过Top-K本体论模式和方面探索实体之间的关联]
Gong Cheng(南京大学) 在许多领域中都需要搜索实体之间的关联。在语义网上，通常归结为找到在实体关系图中连接两个实体的路径。鉴于数据量的增加，除了路径查找的效率外，最近的研究兴...
热度：30
Gong Cheng(南京大学) 在许多领域中都需要搜索实体之间的关联。在语义网上，通常归结为找到在实体关系图中连接两个实体的路径。鉴于数据量的增加，除了路径查找的效率外，最近的研究兴...
热度：30
190Sparse-Coded Features for Image Retrieval[图像检索中的稀疏编码特征]
Tiezheng Ge(中国科学技术大学) 最先进的图像检索系统通常代表一袋带有低级特征的图像。由于不同的图像通常表现出不同种类的低级特性，因此期望表示具有多种类型的互补特征的图像。但是，当增加...
热度：31
Tiezheng Ge(中国科学技术大学) 最先进的图像检索系统通常代表一袋带有低级特征的图像。由于不同的图像通常表现出不同种类的低级特性，因此期望表示具有多种类型的互补特征的图像。但是，当增加...
热度：31
191Machine Learning for Bipedal Walking[双足步行的机器学习]
Travis Brown;Sekou Remy(圣母大学) 双足机器人的运动给控件设计人员带来了重大挑战。控制这些系统的运动方程通常是混合的或由于间歇的地面接触而切换的，即使在最简单的情况下，它也包含许多耦合的...
热度：55
Travis Brown;Sekou Remy(圣母大学) 双足机器人的运动给控件设计人员带来了重大挑战。控制这些系统的运动方程通常是混合的或由于间歇的地面接触而切换的，即使在最简单的情况下，它也包含许多耦合的...
热度：55
192Contextual Bandit Algorithms with Supervised Learning Guarantees, incl. discussion by Brendan McMahan[有监督学习保证的上下文Bandit算法，包括Brendan McMahan的讨论]
Brendan McMahan(谷歌公司) 我们解决了在非随机强盗情况下与任何大型$ N $策略竞争的问题，在这种策略中，学习者必须在$ K $动作中反复选择，但只能观察到所选动作的收益。我们提出了对Auer...
热度：64
Brendan McMahan(谷歌公司) 我们解决了在非随机强盗情况下与任何大型$ N $策略竞争的问题，在这种策略中，学习者必须在$ K $动作中反复选择，但只能观察到所选动作的收益。我们提出了对Auer...
热度：64
193Semantic Challenges in Getting Work Done[完成工作的语义挑战]
Yolanda Gil(南加州大学) 在新的千年中，工作涉及知识丰富且相互协作的越来越多的任务。我们正在研究语义如何在这两个方面提供帮助。我们的重点是科学工作，尤其是数据分析，在此方面，结...
热度：39
Yolanda Gil(南加州大学) 在新的千年中，工作涉及知识丰富且相互协作的越来越多的任务。我们正在研究语义如何在这两个方面提供帮助。我们的重点是科学工作，尤其是数据分析，在此方面，结...
热度：39
194Updating RDFS ABoxes and TBoxes in SPARQL[在SPARQL中更新RDFS ABoxes和TBoxes]
Albin Ahmeti(维也纳理工大学) 最近，在SPARQL 1.1更新规范中对RDF存储中的更新进行了标准化。但是，通常将本体论计算得出的答案与三重存储中的更新正交对待。即使是W3C SPARQL 1.1更新和SPARQ...
热度：44
Albin Ahmeti(维也纳理工大学) 最近，在SPARQL 1.1更新规范中对RDF存储中的更新进行了标准化。但是，通常将本体论计算得出的答案与三重存储中的更新正交对待。即使是W3C SPARQL 1.1更新和SPARQ...
热度：44
195Up Next: Retrieval Methods for Large Scale Related Video Suggestion[下一步：大规模相关视频检索方法]
Michael Bendersky(谷歌公司) 在网络上共享和使用视频内容的爆炸式增长为视频检索，推荐和发现的科学发展创造了独特的机会。在本文中，我们将重点放在许多在线应用程序中常见的视频建议任务上...
热度：71
Michael Bendersky(谷歌公司) 在网络上共享和使用视频内容的爆炸式增长为视频检索，推荐和发现的科学发展创造了独特的机会。在本文中，我们将重点放在许多在线应用程序中常见的视频建议任务上...
热度：71