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→计算机工程::

301
Measuring User Influence on Twitter: The Million Follower Fallacy[衡量用户对Twitter的影响：百万追随者谬论]
  Meeyoung Cha(马克斯普朗克研究所) 社交媒体中的定向链接可以代表从亲密的友谊到共同的兴趣，甚至是对突发新闻或名人八卦的热情。这种有向链接决定了信息的流动，从而表明用户对他人的影响 - 这一...
热度：36

302
A tempest: Or, On the flood of interest in sentiment analysis, opinion mining, and the computational treatment of subjective language.[一场风暴：或者，对情感分析、观点挖掘和主观语言的计算处理的兴趣洪流。]
  Lillian Lee(康奈尔大学) “其他人怎么想？”在做决定时，我们大多数人一直是一个重要的考虑因素。早在万维网之前，我们就问他们的朋友，他们计划投票并咨询消费者报告，以决定购买哪种洗...
热度：28

303
Flash Floods and Ripples: The Spread of Media Content through the Blogosphere[洪流和涟漪：媒体内容在博客圈中的传播 ]
  Meeyoung Cha(马克斯普朗克研究所) 博客是分享个人期刊，讨论公众舆论，进行协作对话以及汇总类似主题内容的流行方式。博客还向感兴趣的社区传播新的内容和新颖的想法。但是，内容如何在这些社区中...
热度：48

304
Quantification of Topic Propagation using Percolation Theory: A study of the ICWSM Network[基于渗透理论的主题传播量化：ICWSM网络研究]
  Ali Azimi Bolourian(格拉斯哥大学) 博客促进了全球数百万人的在线辩论和讨论。确定Blogosphere中讨论的最受欢迎和最流行的主题是一项至关重要的任务。本文描述了我们对Blogosphere中主题传播水平量...
热度：31

305
Supervised Learning from Multiple Experts: Whom to Trust When Everyone Lies a Bit [多专家监督学习：每个人都信任谁]
  Vikas Raykar(马里兰大学) 当我们有多个专家/注释器提供（可能有噪声）标签但没有绝对金标准时，我们描述了监督学习的概率方法。所提出的算法评估不同的专家，并且还给出实际隐藏标签的估...
热度：33

306
Proto-Predictive Representation of States with Simple Recurrent Temporal-Difference Networks[具有简单递归时差网络的状态的原始预测表示]
  Takaki Makino(东京大学) 我们提出了一种新的神经网络架构，称为简单递归时间差分网络（SR TDNs），它可以学习预测部分可观察环境中的未来观测。 SR TDN将简单递归神经网络（SRN）的结构...
热度：37

307
Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations[用于分层表示的可扩展无监督学习的卷积深度信念网络]
  Honglak Lee(密歇根大学) 人们对成层级生模型的无监督学习很感兴趣，例如深层信念网络。对全尺寸，高维度图像进行缩放仍然是一个难题。为了解决这个问题，我们提出了卷积深度信念网络，一...
热度：54

308
An Accelerated Gradient Method for Trace Norm Minimization[一种用于迹线范数最小化的加速梯度法]
  Shuiwang Ji(华盛顿州立大学) 我们考虑通过矩阵变量的跟踪范数规则化的平滑损失函数的最小化。这种公式可用于许多机器学习任务，包括多任务学习，矩阵分类和矩阵完成。针对该问题的标准半定规...
热度：159

309
Poster Spotlights: Situation Dependent Spatial Abstraction in Reinforcement Learning Based on Structural Knowledge[海报聚焦：基于结构知识的强化学习中的情境依赖空间抽象]
  Lutz Frommberger(不来梅大学) 状态空间抽象通过分解与解决手头任务无关的细节来减少表示的大小。但即使在抽象表示中，并非每个细节都与任何情况相关。在环境的结构仅允许一个特定动作选择的情...
热度：32

310
Convergence of Natural Dynamics to Eqilibria[自然动力学对均衡的收敛性]
  Vahab S. Mirrokni, Eyal Even Dar(宾夕法尼亚大学) 最近，很多人都致力于分析各种游戏中的响应动态。关于动力学本身及其收敛性的问题引起了极大的关注。例如，这包括诸如“未协调的代理人需要多长时间才能达到平衡...
热度：26

311
Active Learning for Directed Exploration of Complex Systems[复杂系统定向探索的主动学习]
  Michael C. Burl(加州理工学院) 基于物理的模拟代码广泛用于科学和工程中，以模拟复杂的系统，否则这些系统是不可行的。这些代码提供了系统行为的最高保真度表示，但是通常运行速度很慢，以至于...
热度：74

312
Tutorial on Learning Deep Architectures[学习深层架构的教程]
  Yann LeCun, Yoshua Bengio(蒙特利尔大学) 这篇关于深度学习的简短教程将回顾学习多层次，层次化表征的各种方法，强调它们的共同特征。虽然深层架构在表达能力和表示效率方面具有理论上的优势，但它们也为...
热度：29

313
Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors[通过Dirichlet Forest Priors将领域知识纳入主题建模]
  David Andrzejewski(威斯康星大学) 主题建模方法的用户通常具有关于在各种主题中应该具有高或低概率的单词的组成的知识。我们在Latent Dirichlet分配框架中使用新的Dirichlet森林来结合这样的领域...
热度：45

314
Generalization theory of two-part code MDL estimator[两部分代码MDL估计的泛化理论]
  Tong Zhang(新泽西州立大学) 我将介绍两部分代码MDL估计器的有限样本泛化分析。此方法选择一个模型，该模型最小化模型描述长度的总和加上给定模型的数据描述长度。可以证明，在各种条件下，...
热度：98

315
Predicting Diverse Subsets Using Structural SVMs[使用结构SVM预测不同子集]
  Yisong Yue(加州理工学院) 在许多检索任务中，一个重要目标涉及检索不同组的结果（例如，覆盖搜索查询的各种主题的文档）。首先，这减少了冗余，有效地呈现了所呈现结果的更多信息。其次，...
热度：34