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::
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
796A Viewpoint-based Approach for Interaction Graph Analysis [互动图表分析基于视点方法]
Sitaram Asur(俄亥俄州立大学) 最近的创新导致了网络上的大量社交应用程序, 如博客、社交网络以及社区照片和视频共享应用程序。此类应用程序通常可以表示为不断发展的交互图, 其中节点表示表示...
热度：39
Sitaram Asur(俄亥俄州立大学) 最近的创新导致了网络上的大量社交应用程序, 如博客、社交网络以及社区照片和视频共享应用程序。此类应用程序通常可以表示为不断发展的交互图, 其中节点表示表示...
热度：39
797Support Feature Machine for Classification of Abnormal Brain Activity [支持特征分类法对脑异常活动的分类]
Art Chaovalitwongse(佛罗里达大学) 在本研究中, 提出了一种新的多维时间序列分类技术, 即支持特征机 (sfm)。sfm 受支持向量机优化模型和最近邻域规则的启发, 将多维时间序列数据的空间和时间结合起...
热度：17
Art Chaovalitwongse(佛罗里达大学) 在本研究中, 提出了一种新的多维时间序列分类技术, 即支持特征机 (sfm)。sfm 受支持向量机优化模型和最近邻域规则的启发, 将多维时间序列数据的空间和时间结合起...
热度：17
798Extension of the Semantic Sensor Network Ontology for Wireless Sensor Network: The Stimulus-WSNnode-Communication Pattern[扩展语义传感器网络本体的无线传感器网络：刺激 - 无线传感器网络节点的通信模式]
Rimel Bendadouche(国立环境与农业科学技术研究院) 无线传感器网络 (wsn) 旨在收集大量异构数据, 以监测环境现象。我们的目标是使 wsn 节点通信适应其上下文, 以优化网络的生存期。我们对上下文和无线传感器网络特...
热度：63
Rimel Bendadouche(国立环境与农业科学技术研究院) 无线传感器网络 (wsn) 旨在收集大量异构数据, 以监测环境现象。我们的目标是使 wsn 节点通信适应其上下文, 以优化网络的生存期。我们对上下文和无线传感器网络特...
热度：63
799Learning from the Masters: Understanding Ontologies found on the Web[学习大师：理解本体在网络上的发现]
Bijan Parsia(曼彻斯特大学) 本教程的目的是帮助与会者获得使用 owl 和工具的足够经验, 使他们能够有效地探索他们可能会遇到的新本体。换句话说, 他们应该能够在本体上做相当于 "视图源" 的...
热度：41
Bijan Parsia(曼彻斯特大学) 本教程的目的是帮助与会者获得使用 owl 和工具的足够经验, 使他们能够有效地探索他们可能会遇到的新本体。换句话说, 他们应该能够在本体上做相当于 "视图源" 的...
热度：41
800801802Rich Probabilistic Models for Holistic Scene Understanding[整体场景理解的丰富概率模型]
Daphne Koller(斯坦福大学) 研究的重点是使用概率模型和机器学习来理解涉及大量不确定性的复杂域。
热度：92
Daphne Koller(斯坦福大学) 研究的重点是使用概率模型和机器学习来理解涉及大量不确定性的复杂域。
热度：92
803Open Information Extraction at Web Scale[网络规模的开放信息抽取]
Oren Etzioni(艾伦人工智能研究所) 研究兴趣包括: 智力研究、网络搜索、机器阅读和机器学习的基本问题。
热度：29
Oren Etzioni(艾伦人工智能研究所) 研究兴趣包括: 智力研究、网络搜索、机器阅读和机器学习的基本问题。
热度：29
804Diversity of User Activity and Content Quality in Online Communities [在线社区用户活动和内容质量的多样性]
Tad Hogg(HP实验室)
热度：41
Tad Hogg(HP实验室)
热度：41
805Fully Distributed EM for Very Large Datasets[完全分布式的大型数据集]
Jason Wolfe(加州大学伯克利分校) 在 em 和相关算法中, e 步计算易于分布, 因为数据项是独立的给定参数。但是, 对于非常大的数据集, 即使将所有参数存储在 m 步的单个节点中也可能不切实际。我们...
热度：29
Jason Wolfe(加州大学伯克利分校) 在 em 和相关算法中, e 步计算易于分布, 因为数据项是独立的给定参数。但是, 对于非常大的数据集, 即使将所有参数存储在 m 步的单个节点中也可能不切实际。我们...
热度：29
806Large Scale Learning - Challenge[大规模学习-挑战]
Vojtech Franc; Sören Sonnenburg(机器学习与智能数据分析小组) 随着过去几十年计算能力、存储容量和网络带宽的显著增加, 不断增长的数据集被收集到生物信息学 (拼接站点、基因边界等)、it 安全 (网络流量) 或文本分类 (垃圾邮...
热度：35
Vojtech Franc; Sören Sonnenburg(机器学习与智能数据分析小组) 随着过去几十年计算能力、存储容量和网络带宽的显著增加, 不断增长的数据集被收集到生物信息学 (拼接站点、基因边界等)、it 安全 (网络流量) 或文本分类 (垃圾邮...
热度：35
807Random Classification Noise Defeats All Convex Potential Boosters[随机分类噪声击败所有凸势的助推器]
Phil Long(美国感知技术有限公司) 一类广泛的提升算法可以解释为执行协调级梯度下降, 以最大限度地减少数据集边缘的一些潜在函数。此类包括 adaboost、logitboost 和其他广泛使用和研究良好的助推...
热度：38
Phil Long(美国感知技术有限公司) 一类广泛的提升算法可以解释为执行协调级梯度下降, 以最大限度地减少数据集边缘的一些潜在函数。此类包括 adaboost、logitboost 和其他广泛使用和研究良好的助推...
热度：38
808Manifold Boost: Stagewise Function Approximation for Fully-, Semi- and Un-supervised Learning[助推：分段函数逼近流形为全，半和非监督学习]
Nicolas Loeff(伊利诺伊大学) 我们描述了一个多方面的学习框架, 自然地将监督学习、部分监督学习和无监督聚类作为特定案例。我们的方法选择一个函数, 最大限度地减少损失, 受到多方面的正则化...
热度：36
Nicolas Loeff(伊利诺伊大学) 我们描述了一个多方面的学习框架, 自然地将监督学习、部分监督学习和无监督聚类作为特定案例。我们的方法选择一个函数, 最大限度地减少损失, 受到多方面的正则化...
热度：36
809Structure Compilation: Trading Structure for Features[结构编制：以交易结构为特征]
Percy Liang(斯坦福大学) 结构化模型通常具有出色的性能, 但在测试时可能会很慢。我们研究结构编译, 在这种情况下, 我们用特征替换结构, 这些特征通常在计算上更简单, 但不幸的是统计上更...
热度：53
Percy Liang(斯坦福大学) 结构化模型通常具有出色的性能, 但在测试时可能会很慢。我们研究结构编译, 在这种情况下, 我们用特征替换结构, 这些特征通常在计算上更简单, 但不幸的是统计上更...
热度：53
810Memory Bounded Inference in Topic Models[主题模型中的内存有界推断]
Ryan Gomes(加利福尼亚理工学院) 哪些类型的算法和统计技术支持在很长一段时间内从非常大的数据集中学习？我们通过一个变分 em 算法的内存有界版本来解决这个问题, 该算法近似于主题模型的推理。...
热度：51
Ryan Gomes(加利福尼亚理工学院) 哪些类型的算法和统计技术支持在很长一段时间内从非常大的数据集中学习？我们通过一个变分 em 算法的内存有界版本来解决这个问题, 该算法近似于主题模型的推理。...
热度：51