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→人工智能::
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
![](functions/showpic.php?filename=2017032908500484.jpg)
![](functions/showpic.php?filename=2017032307024112.jpg)
HIV-Haplotype Inference using a Constraintbased Dirichlet Process Mixture Model[艾滋病毒单体型推断使用Constraintbased狄利克雷过程混合模型]
Melanie Rey, Sandhya Prabhakaran(巴塞尔大学)
热度:16
Melanie Rey, Sandhya Prabhakaran(巴塞尔大学)
热度:16
![](functions/showpic.php?filename=2017031209222216.png)
Object Detection with Grammar Models[基于语法模型的目标检测]
Ross B. Girshick(脸书公司) 组合模型提供了一种优雅的形式主义,用于表示高度可变对象的视觉外观。虽然从理论角度来看,此类模型具有吸引力,但很难证明它们在具有挑战性的数据集上具有性能...
热度:30
Ross B. Girshick(脸书公司) 组合模型提供了一种优雅的形式主义,用于表示高度可变对象的视觉外观。虽然从理论角度来看,此类模型具有吸引力,但很难证明它们在具有挑战性的数据集上具有性能...
热度:30
![](functions/showpic.php?filename=2017031208515592.png)
Minimax Localization of Structural Information in Large Noisy Matrices[大噪声矩阵中结构信息的极小极大局部化]
Sivaraman Balakrishnan(卡内基梅隆大学) 我们考虑在具有高度损坏条目的大型数据矩阵中识别相关列和行的稀疏集的问题。从蛋白质和药物、生物物种和基因序列、恶意软件和特征码等二部分变量集合中识别群体...
热度:17
Sivaraman Balakrishnan(卡内基梅隆大学) 我们考虑在具有高度损坏条目的大型数据矩阵中识别相关列和行的稀疏集的问题。从蛋白质和药物、生物物种和基因序列、恶意软件和特征码等二部分变量集合中识别群体...
热度:17
![](functions/showpic.php?filename=2017032306525285.jpg)
Semi-Supervised Learning with Adversarially Missing Label Information[半监督学习与敌对的失踪的标签信息]
Umar Syed(宾夕法尼亚大学) 我们解决了在对抗环境下半监督学习的问题。我们并没有假设标签是随机丢失的,而是分析了一个不太有利的情况,即标签信息可能部分和任意地丢失,这是由几个实际例...
热度:36
Umar Syed(宾夕法尼亚大学) 我们解决了在对抗环境下半监督学习的问题。我们并没有假设标签是随机丢失的,而是分析了一个不太有利的情况,即标签信息可能部分和任意地丢失,这是由几个实际例...
热度:36
![](functions/showpic.php?filename=2017031209161699.png)
Online Learning: Random Averages, Combinatorial Parameters, and Learnability[在线学习:随机平均,组合参数,可学习性]
Karthik Sridharan(康奈尔大学) 我们通过定义几个复杂度度量来发展在线学习理论。其中包括统计学习理论中的Rademacher复杂性、覆盖数和脂肪破碎维度的类似物。这些复杂性度量之间的关系,它们与...
热度:42
Karthik Sridharan(康奈尔大学) 我们通过定义几个复杂度度量来发展在线学习理论。其中包括统计学习理论中的Rademacher复杂性、覆盖数和脂肪破碎维度的类似物。这些复杂性度量之间的关系,它们与...
热度:42
![](functions/showpic.php?filename=2017031209112560.png)
A Theory of Multiclass Boosting[多类的一个推进理论]
Indraneel Mukherjee(普林斯顿大学) 增强结合弱分类器形成高度精确的预测。虽然二进制分类的情况已经被很好地理解,但是在多类设置中,对弱分类器的正确要求或最有效的提升算法的概念都不复存在。在...
热度:35
Indraneel Mukherjee(普林斯顿大学) 增强结合弱分类器形成高度精确的预测。虽然二进制分类的情况已经被很好地理解,但是在多类设置中,对弱分类器的正确要求或最有效的提升算法的概念都不复存在。在...
热度:35
![](functions/showpic.php?filename=2017031208555769.png)
Getting lost in space: Large sample analysis of the resistance distance[空间损耗:电阻距离的大样本分析]
Matthias Hein(马克斯普朗克研究所) 图中两个顶点之间的通勤距离是从第一个顶点到第二个顶点来回随机行走所需的预期时间。我们研究了通勤距离随基础图大小的增加而变化的行为。我们证明了通勤距离收...
热度:21
Matthias Hein(马克斯普朗克研究所) 图中两个顶点之间的通勤距离是从第一个顶点到第二个顶点来回随机行走所需的预期时间。我们研究了通勤距离随基础图大小的增加而变化的行为。我们证明了通勤距离收...
热度:21
![](functions/showpic.php?filename=2017031209000899.png)
Structured sparsity-inducing norms through submodular functions[通过模块功能结构稀疏诱导规范]
Francis R. Bach(法国国家信息与自动化研究所) 监督学习的稀疏方法旨在从尽可能少的变量中寻找良好的线性预测因子,即支持的基数很小。这种组合选择问题通常通过用凸包络(最紧凸下界)代替基数函数而变成凸优...
热度:168
Francis R. Bach(法国国家信息与自动化研究所) 监督学习的稀疏方法旨在从尽可能少的变量中寻找良好的线性预测因子,即支持的基数很小。这种组合选择问题通常通过用凸包络(最紧凸下界)代替基数函数而变成凸优...
热度:168
![](functions/showpic.php?filename=2017032908533835.jpg)
![](functions/showpic.php?filename=2017032909064612.jpg)
A Bahadur Type Representation of the Linear Support Vector Machine and its Relative Efficiency[线性支持向量机的Bahadur类型表示及其相对效率]
Yoonkyung Lee(俄亥俄州立大学) 支持向量机已成功地应用于各种场合。同样在理论上,它的统计特性,包括贝叶斯风险一致性,也得到了广泛的研究。通过对适当条件下系数的巴哈杜尔型表示,研究了线...
热度:56
Yoonkyung Lee(俄亥俄州立大学) 支持向量机已成功地应用于各种场合。同样在理论上,它的统计特性,包括贝叶斯风险一致性,也得到了广泛的研究。通过对适当条件下系数的巴哈杜尔型表示,研究了线...
热度:56
![](functions/showpic.php?filename=2017033102262666.jpg)
The Stability of the Contour of an Orientable 2-Manifold[定向二维歧管轮廓的稳定性]
Herbert Edelsbrunner(杜克大学) 把一个实体的边界的视图看作是2流形对r^2的投影。它的明显轮廓是临界点的投影。将投影推广到2流形到r^2的光滑映射,得到的轮廓是导数不可投影点的图像。通过测量...
热度:45
Herbert Edelsbrunner(杜克大学) 把一个实体的边界的视图看作是2流形对r^2的投影。它的明显轮廓是临界点的投影。将投影推广到2流形到r^2的光滑映射,得到的轮廓是导数不可投影点的图像。通过测量...
热度:45
![](functions/showpic.php?filename=2017031407131961.png)
Analysis of Clustering Procedures[聚类过程分析]
Sanjoy Dasgupta(加州大学圣地亚哥分校) 集群程序在严格的保证上是众所周知的短。在本教程中,我将介绍一些应用于集群的分析类型,并强调仍然存在的开放性问题。第一部分,聚类的两种常用的成本函数的近...
热度:38
Sanjoy Dasgupta(加州大学圣地亚哥分校) 集群程序在严格的保证上是众所周知的短。在本教程中,我将介绍一些应用于集群的分析类型,并强调仍然存在的开放性问题。第一部分,聚类的两种常用的成本函数的近...
热度:38
![](functions/showpic.php?filename=2017031407232234.png)
On Finding Low Error Clusterings[寻找低误差的分类]
Maria-Florina Balcan(乔治亚理工学院) 在基于距离的目标函数(如K中值、K平均值和最小和目标)下,对聚类数据的近似算法进行了大量的研究。这项工作的部分原因是希望能够很好地接近这些目标,从而产生...
热度:41
Maria-Florina Balcan(乔治亚理工学院) 在基于距离的目标函数(如K中值、K平均值和最小和目标)下,对聚类数据的近似算法进行了大量的研究。这项工作的部分原因是希望能够很好地接近这些目标,从而产生...
热度:41
![](functions/showpic.php?filename=2017031407163161.png)