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::
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
121Fast Flux Discriminant for Large-Scale Sparse Nonlinear Classification[大规模稀疏非线性分类的快速流量判别法]
Wenlin Chen(华盛顿大学) 在本文中，我们提出了一种用于大规模非线性分类的新型监督学习方法，Fast Flux Discriminant (FFD)。与其他现有方法相比，FFD 具有无可比拟的优势，因为它获得了...
热度：44
Wenlin Chen(华盛顿大学) 在本文中，我们提出了一种用于大规模非线性分类的新型监督学习方法，Fast Flux Discriminant (FFD)。与其他现有方法相比，FFD 具有无可比拟的优势，因为它获得了...
热度：44
122CatchSync: Catching Synchronized Behavior in Large Directed Graphs[CatchSync：捕捉大型有向图中的同步行为]
Meng Jiang(清华大学) 给定一个包含数百万个节点的有向图，我们如何仅根据其连接模式来自动发现异常、可疑的节点？可疑的图模式出现在许多应用程序中，从购买虚假关注者的 Twitter 用...
热度：254
Meng Jiang(清华大学) 给定一个包含数百万个节点的有向图，我们如何仅根据其连接模式来自动发现异常、可疑的节点？可疑的图模式出现在许多应用程序中，从购买虚假关注者的 Twitter 用...
热度：254
123PCKS: Commandments for Benchmarking Semantic Flow Processing Systems[PCKS：语义流处理系统基准测试规则]
Thomas Scharrenbach(苏黎世大学) PCKS是一种系统地对语义流处理系统进行基准测试的新颖方法。在确定语义流处理系统和手头数据集的特性和挑战的基础上，我们阐述了定义适当的关键绩效指标的重要...
热度：48
Thomas Scharrenbach(苏黎世大学) PCKS是一种系统地对语义流处理系统进行基准测试的新颖方法。在确定语义流处理系统和手头数据集的特性和挑战的基础上，我们阐述了定义适当的关键绩效指标的重要...
热度：48
124What Helps Where - And Why? Semantic Relatedness for Knowledge Transfer[在哪里有什么帮助？为什么？知识转移中的语义关联]
Marcus Rohrbach(加州大学) 据报道，在识别单个对象类方面表现出色。但是，对于当今的识别方法而言，可扩展性达到大量类别仍然是一项重要的挑战。几位作者已提倡在班级之间进行知识转移，以...
热度：29
Marcus Rohrbach(加州大学) 据报道，在识别单个对象类方面表现出色。但是，对于当今的识别方法而言，可扩展性达到大量类别仍然是一项重要的挑战。几位作者已提倡在班级之间进行知识转移，以...
热度：29
125Toward the Web of Functions: Interoperable High-Order Functions in SPARQL[走向函数网：SPARQL中可互操作的高阶函数]
Maurizio Atzori(卡里亚里大学) 在这项工作中，我们仅通过了解第三方sparql函数的URI来解决使用任何第三方定制sparql函数的问题，从而允许在定义并实现该函数的远程端点上执行计算。我们提供了...
热度：38
Maurizio Atzori(卡里亚里大学) 在这项工作中，我们仅通过了解第三方sparql函数的URI来解决使用任何第三方定制sparql函数的问题，从而允许在定义并实现该函数的远程端点上执行计算。我们提供了...
热度：38
126The role of SKOS in a Web of Data - some business use cases[SKOS在数据网中的作用——一些业务用例]
Andreas Blumauer(语义网络公司) SKOS是链接数据世界的后起之秀，因为它能够链接语义网的不同视角。通过使用信息科学领域的传统知识组织方法来增强企业应用程序，SKOS可以成为数据网络的核心构...
热度：49
Andreas Blumauer(语义网络公司) SKOS是链接数据世界的后起之秀，因为它能够链接语义网的不同视角。通过使用信息科学领域的传统知识组织方法来增强企业应用程序，SKOS可以成为数据网络的核心构...
热度：49
127Web-Scale Extension of RDF Knowledge Bases from Templated Websites[基于模板网站的RDF知识库的Web扩展]
Ricardo Usbeck(莱比锡大学) 在Web上只有一小部分信息表示为链接数据。缺乏覆盖的部分原因是迄今为止提取链接数据所遵循的范例。尽管工具很好地支持将结构化数据转换为RDF，但大多数从半结构...
热度：41
Ricardo Usbeck(莱比锡大学) 在Web上只有一小部分信息表示为链接数据。缺乏覆盖的部分原因是迄今为止提取链接数据所遵循的范例。尽管工具很好地支持将结构化数据转换为RDF，但大多数从半结构...
热度：41
128Physical Cyber Social Computing: An early 21st century approach to Computing for Human Experience[物理-网络-社会计算：21世纪早期人类体验的计算方法]
Amit Sheth(赖特州立大学) 在本次演讲中，我将描述物理网络社会（PCS）计算，该计算从支持CHE [3]的网络物理系统，社会技术系统和网络社会系统的当前进展中汲取了很多思想，并大大超越了这...
热度：58
Amit Sheth(赖特州立大学) 在本次演讲中，我将描述物理网络社会（PCS）计算，该计算从支持CHE [3]的网络物理系统，社会技术系统和网络社会系统的当前进展中汲取了很多思想，并大大超越了这...
热度：58
129Musubi: A Decentralized Mobile Social Web[Musubi：一个分散的移动社交网站]
Axel Polleres(维也纳经济贸易大学) 随着云服务的兴起，用户的个人数据（从照片到银行交易）分散并由各种应用程序服务提供商托管。借助帮助用户共享的电子邮件和社交网络等通信服务，您将有独特的机...
热度：42
Axel Polleres(维也纳经济贸易大学) 随着云服务的兴起，用户的个人数据（从照片到银行交易）分散并由各种应用程序服务提供商托管。借助帮助用户共享的电子邮件和社交网络等通信服务，您将有独特的机...
热度：42
130A snapshot of the OWL Web[猫头鹰网络的快照]
Nicolas Matentzoglu(曼彻斯特大学) OWL本体工程中的工具开发和经验实验需要各种各样的合适本体作为输入，以进行测试和评估，并详细描述真实本体。经验活动通常求助于（某种程度上是任意的）网上可...
热度：70
Nicolas Matentzoglu(曼彻斯特大学) OWL本体工程中的工具开发和经验实验需要各种各样的合适本体作为输入，以进行测试和评估，并详细描述真实本体。经验活动通常求助于（某种程度上是任意的）网上可...
热度：70
131BIG DATA - from Hype to Reality[大数据——从炒作到现实]
Richard Benjamins(Telefónica Digital) 关系数据库和企业数据仓库的传统世界正受到数据量增长，非结构化和半结构化数据的兴起以及提取更多有价值的业务洞察力的挑战。为了保持竞争力：我们正在进入“大...
热度：43
Richard Benjamins(Telefónica Digital) 关系数据库和企业数据仓库的传统世界正受到数据量增长，非结构化和半结构化数据的兴起以及提取更多有价值的业务洞察力的挑战。为了保持竞争力：我们正在进入“大...
热度：43
132Coordination, Semantics, and Autonomy[协调、语义和自治]
Valentina Presutti(认知科学与技术研究所（ISTC）) 讲座分为四个部分。在第一部分中，我简要介绍了四种众所周知的感觉，其中不同的科学领域都谈到了复杂性，即状态复杂性，Kolmogorov复杂性，计算复杂性和编程复杂...
热度：33
Valentina Presutti(认知科学与技术研究所（ISTC）) 讲座分为四个部分。在第一部分中，我简要介绍了四种众所周知的感觉，其中不同的科学领域都谈到了复杂性，即状态复杂性，Kolmogorov复杂性，计算复杂性和编程复杂...
热度：33
133Activity Ranking in LinkedIn Feed[LinkedIn订阅源中的活动排名]
Pannagadatta Shivaswamy(LinkedIn公司) 在线社交网站上的用户会生成大量异构活动，从与其他用户连接到共享内容再到更新其个人资料。用户网络邻域内的活动集形成了针对用户消费的更新流。在本文中，我们...
热度：36
Pannagadatta Shivaswamy(LinkedIn公司) 在线社交网站上的用户会生成大量异构活动，从与其他用户连接到共享内容再到更新其个人资料。用户网络邻域内的活动集形成了针对用户消费的更新流。在本文中，我们...
热度：36
134Machine Learning in Health Informatics: Making Better use of Domain Experts[健康信息学中的机器学习：更好地利用领域专家]
Byron C. Wallace(布朗大学) 我们提出了新颖的机器学习和数据挖掘方法，这些方法使现实世界中的学习系统更加高效。我们专注于临床信息学的领域，这是一个信息不胜枚举的领域的典型例子。由于...
热度：59
Byron C. Wallace(布朗大学) 我们提出了新颖的机器学习和数据挖掘方法，这些方法使现实世界中的学习系统更加高效。我们专注于临床信息学的领域，这是一个信息不胜枚举的领域的典型例子。由于...
热度：59
135Mathematical Models of Fads Explain the Temporal Dynamics of Internet Memes[时尚的数学模型解释了网络模因的时间动态]
Christian Bauckhage(德国Fraunhofer协会) 网络模因是社交网络上普遍存在的现象。它们通常由病毒捕捉短语，图像或通过即时消息传递，（微）博客，论坛和社交网站传播的视频组成。由于其流行和扩散，网络模...
热度：38
Christian Bauckhage(德国Fraunhofer协会) 网络模因是社交网络上普遍存在的现象。它们通常由病毒捕捉短语，图像或通过即时消息传递，（微）博客，论坛和社交网站传播的视频组成。由于其流行和扩散，网络模...
热度：38