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::

286
Scalable Video Compression[可扩展的视频压缩]
  David S Taubman(新南威尔士大学) 可扩展的媒体压缩算法是合乎需要的，因为要在不事先知道比特率和/或分辨率的情况下压缩要压缩的内容。现在，可扩展的图像压缩技术得到了很好的理解，并且与不可...
热度：45

287
SNARC: A Semantic Social News Aggregator[SNARC：语义社交新闻聚合器]
  Ahmad Assaf(通信系统工程师学校与研究中心) 互联网在我们如何消费和传播信息方面创造了范式转变。如今的数据分布在存档和实时数据的异构孤岛上。人们愿意通过发布新闻，观点，演示文稿，图片和视频来分享社...
热度：25

288
PAC-Bayesian Analysis and Its Applications[PAC-Bayesian分析及其应用]
  Yevgeny Seldin, John Shawe-Taylor, François Laviolette(哥本哈根大学) PAC-Bayesian分析是机器学习中数据依赖分析的一种基本且非常通用的工具。到目前为止，它已被应用于监督学习、非监督学习和强化学习等多个领域，产生了最先进的算...
热度：54

289
Learning to Classify Documents with Only a Small Positive Training Set[学习只用一个小的积极训练集来分类文档]
  Xiao-Li Li(南洋理工大学) 学习用一个很小的积极训练集对文档进行分类
热度：43

290
A Domain Adaptation Formal Framework Addressing the Training/Test Distribution Gap[领域适应正式框架解决培训/测试分布差距]
  Shai Ben-David(滑铁卢大学) 一个解决培训/测试分配差距的领域适应性正式框架
热度：29

291
Parallel and Distributed Graph Cuts by Dual Decomposition[双重分解的并行和分布式图切割]
  Petter Strandmark(隆德大学) 图形切割方法是计算机视觉中许多状态算法的核心，因为它们在计算全局最优解时具有高效率。在本文中，通过将图分成多个部分来并行解决最大流/最小割问题，从而进...
热度：45

292
Information Complexity in Bandit Subset Selection[Bandit子集选择中的信息复杂性]
  Emilie Kaufmann(国立高等电信学校) 研究了the arms of a stochastic bandit 的有效搜索问题，以确定最优子集。在PAC和固定预算公式下，利用基于kl -分歧的置信区间，得到了改进的界。在后悔设置中...
热度：57

293
Online Similarity Prediction of Networked Data from Known and Unknown Graphs[已知图和未知图的网络数据的在线相似度预测]
  Mark Herbster(伦敦大学学院) 研究了网络数据的在线相似度预测问题。我们首先将这个任务与更标准的类预测问题联系起来，表明，给定一个用于类预测的任意算法，我们可以构造一个具有“几乎”相...
热度：29

294
The price of bandit information in multiclass online classification[多类在线分类中Bandit信息的价值]
  Amit Daniely(耶路撒冷希伯来大学) 我们考虑两个场景的多级假设类的在线学习。在完整的信息场景中，学习者将接触到实例及其标签。在强盗场景中，真实的标签并没有被暴露出来，而是表明学习者的预测...
热度：53

295
Sharp analysis of low-rank kernel matrix approximation[对低秩核矩阵近似的分析]
  Francis R. Bach(水产养殖自然研究所) 研究了核岭回归、核逻辑回归和支持向量机等正定核框架下的监督学习问题。由于内核导致无穷维特征空间，一个常见的实际限制困难是计算内核矩阵的必要性，这通常导...
热度：78

296
Agnostic KWIK learning and efficient approximate reinforcement learning[不可知的KWIK学习和有效的近似强化学习]
  Csaba Szepesvári(阿尔伯塔大学) 强化学习的一种常用方法是使用基于模型的算法，即，一种利用模型学习器学习环境近似模型的算法。已经证明，如果模型学习者在所谓的\know what It knows (KWIK)框...
热度：55

297
A Finite-Time Analysis of Multi-armed Bandits Problems with Kullback-Leibler Divergences[具有Kullback-Leibler分歧的多武装匪徒问题的有限时间分析]
  Odalric-Ambrym Maillard(INRIA研究机构) 我们考虑基于Kullback-Leibler的算法用于随机多臂强盗问题，在具有有限支撑的分布情况下（事先不一定已知），其渐近后悔与Burnetas和Katehakis（1996）的下界匹...
热度：101

298
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

299
Where machine vision needs help from machine learning[计算机视觉需要机器学习帮助的地方]
  William T. Freeman(麻省理工学院) 我将描述计算机视觉需要从计算机科学和机器学习中取得进展的地方。本演讲将涵盖计算机视觉效果良好的地方：寻找汽车和面孔，在受控环境中操作，以及不能正常工作...
热度：48

300
Welcome to the Summer School on Advanced Technologies for Knowledge Intensive Networked Organizations 2010 - Aachen [欢迎来到2010年知识密集型网络组织的先进技术暑期学校 -亚琛]
  Mitja Jermol(约瑟夫·斯特凡学院) Mitja Jermol (Jozef Stefan Institute)在暑期学校就面向知识密集型网络组织的先进技术发表了欢迎演讲。介绍了暑期学校的办学动机和实施方案。两个主要的欧洲项...
热度：77