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::

511
ORANGE: Data Mining Fruitful and Fun[ORANGE:数据挖掘富有成果和乐趣]
  Janez Demšar(卢布尔雅那大学) Orange是一种通用的机器学习和数据挖掘工具。它具有适合不同类型用户的多层架构,从缺乏经验的数据挖掘初学者到喜欢通过脚本界面访问该工具的程序员。本文概述了...
热度:137

512
Semi-supervised Graph Clustering: A Kernel Approach[半监督图聚类:一种核方法]
  Brian Kulis(德克萨斯大学) 半监督图聚类:一种核方法
热度:36

513
Statistical Relational Learning - Part 3[统计关系学习-第3部分]
  Lise Getoor(加州大学) 统计关系学习带来了许多新的挑战和机遇。因为统计模型依赖于域的关系结构,所以模型中的参数通常是绑定的。这有利于参数估计的可行性,但使模型搜索复杂化。由于...
热度:40

514
Uncertainty Competition[不确定性竞争]
  Scott Sanner(澳大利亚信息通信技术研究中心) 不确定性竞争
热度:29

515
Trade-Offs in Sampling-Based Adversarial Planning[基于抽样的对抗规划中的权衡 ]
  Raghuram Ramanujan(康奈尔大学) 树的置信上限(UCT)算法在围棋游戏中取得了显著的成功,近年来引起了规划和博弈界的关注。然而,试图在minimax类型算法的强项领域重现类似的性能水平,在很大程...
热度:38

516
Computing All-Pairs Shortest Paths by Leveraging Low Treewidth[利用低树宽计算所有对最短路径]
  Léon Planken(代尔夫特工业大学) 考虑到n个顶点上的有向图和m个边上的实数(可能为负)权,我们提出了两种新的计算所有对最短路径(APSP)的有效算法。这些算法利用沿顶点排序D的有向路径一致性...
热度:64

517
Automatic Construction of Efficient Multiple Battery Usage Policies[高效多电池使用策略的自动构建]
  Daniele Magazzeni(基耶蒂佩斯卡拉大学) 多电池的高效利用是一个应用广泛且日益广泛的实际问题。这个问题可以被认为是一个计划问题。我们描述了我们采用的方法来建模和解决这个问题,被视为一个马尔可夫...
热度:46

518
Deterministic Competition[确定性的竞争]
  Carlos Linares López(马德里卡洛斯三世大学) 确定性的竞争
热度:14

519
The Minimal Seed Set Problem[最小种子集问题]
  Avitan Gefen(本古里安大学) 本文定义和研究了一个新的、有趣的、具有挑战性的基准问题,它起源于系统生物学。最小种子集问题的定义如下:给出一个生物体代谢反应的描述,描述它能合成所有能...
热度:26

520
Learning Competition[学习竞争]
  Sergio Jiménez Celorrio(马德里卡洛斯三世大学) 学习竞争
热度:39

521
Iterative Learning of Weighted Rule Sets for Greedy Search[贪婪搜索的加权规则集迭代学习]
  Yuehua Xu(俄勒冈州立大学) 贪婪搜索通常用于以牺牲完整性和最优性为代价快速生成解决方案。在本文中,我们考虑一组加权行动选择规则的学习集合,用以指导贪婪搜索,并将其应用于自动规划。...
热度:30

522
Influence-based Policy Abstraction for Weakly-coupled DEC-POMDPs[基于影响弱耦合策略的DEC-POMDPs抽象]
  Stefan Witwicki(密西根大学) 分散的POMDP是在不确定环境中协调代理决策的强有力的理论模型,但最优联合政策构建的一般难以解决的复杂性为将DEC POMDP应用于许多代理面临许多政策选择的问题带...
热度:41

523
From Automated Verification to Automated Design[从自动化验证到自动化设计 ]
  Moshe Y. Vardi(莱斯大学) 在过去十年中,设计验证领域最重要的发展之一是开发用于验证有限状态设计的时间规范的算法方法。然而,对这种方法的经常批评是,验证是在大量资源已经投入到设计...
热度:31

524
An Exchanging-based Refinement to Sparse Gaussian Process Regression[稀疏高斯过程回归的交换细化]
  Ping Sun(伯明翰大学) 本文提出了一种稀疏高斯过程回归(SGPR)模型的后向删除方法,该方法可用于改进最近提出的一系列前向选择算法。一些经验结果证明了我们方法的有效性。
热度:40

525
Interpreting Covariance Functions & Classification[协方差函数的解释与分类]
  Carl Edward Rasmussen(马克斯普朗克研究所) 协方差函数的解释与分类
热度:54