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::
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
![](functions/showpic.php?filename=2019042109543750.png)
Poster: Dirichlet Process Mixture Models for Verb Clustering [海报:用于动词聚类的Dirichlet过程混合模型]
Andreas Vlachos(剑桥大学) 在这项工作中,我们将Dirichlet过程混合模型应用于自然语言处理(NLP)中的学习任务:词汇语义动词聚类。我们使用最近引入的V度量度量来评估基于Levin(1993)动...
热度:29
Andreas Vlachos(剑桥大学) 在这项工作中,我们将Dirichlet过程混合模型应用于自然语言处理(NLP)中的学习任务:词汇语义动词聚类。我们使用最近引入的V度量度量来评估基于Levin(1993)动...
热度:29
![](functions/showpic.php?filename=2019042109524479.png)
Beam Sampling for the Infinite Hidden Markov Model[无限隐马尔可夫模型的光束采样]
Jurgen Van Gael(剑桥大学) 无限隐马尔可夫模型是广泛使用的隐马尔可夫模型的非参数扩展。本文介绍了一种新的无限隐马尔可夫模型推理算法,称为波束采样。波束采样结合了切片采样,通过动态...
热度:62
Jurgen Van Gael(剑桥大学) 无限隐马尔可夫模型是广泛使用的隐马尔可夫模型的非参数扩展。本文介绍了一种新的无限隐马尔可夫模型推理算法,称为波束采样。波束采样结合了切片采样,通过动态...
热度:62
![](functions/showpic.php?filename=2019042108591145.png)
Efficient Projections onto the L1-Ball for Learning in High Dimensions[L1-Ball上的高效投影用于高维学习]
Yoram Singer(耶路撒冷希伯来大学) 我们描述了将矢量投影到L1球上的有效算法。我们提出了两种投影方法。第一个在O(n)时间内执行精确投影,其中n是空间的维度。第二个对矢量k起作用,其元素在L1球...
热度:72
Yoram Singer(耶路撒冷希伯来大学) 我们描述了将矢量投影到L1球上的有效算法。我们提出了两种投影方法。第一个在O(n)时间内执行精确投影,其中n是空间的维度。第二个对矢量k起作用,其元素在L1球...
热度:72
![](functions/showpic.php?filename=2019042108552474.png)
Sample-Based Learning and Search with Permanent and Transient Memories[基于样本的学习的搜索算法是永久学习和瞬态记忆分离]
David Silver(伦敦大学学院) 我们提出了一个强化学习架构,Dyna 2,它包括基于样本的学习和基于样本的搜索,并且在学习和搜索期间在各州进行概括。我们将Dyna 2应用于高性能计算机Go。在该领...
热度:57
David Silver(伦敦大学学院) 我们提出了一个强化学习架构,Dyna 2,它包括基于样本的学习和基于样本的搜索,并且在学习和搜索期间在各州进行概括。我们将Dyna 2应用于高性能计算机Go。在该领...
热度:57
![](functions/showpic.php?filename=2019041909052094.png)
Autonomous Geometric Precision Error Estimation in Low-level Computer Vision Tasks[低级计算机视觉任务中的自主几何精度误差估计]
John Paisley(杜克大学) 使用计算机视觉的地图制作任务中的错误很少。我们通过考虑采用立体匹配算法来对现实世界点进行三角测量的数字高程模型的构建来证明这一点。这种稀疏性与作者最近...
热度:76
John Paisley(杜克大学) 使用计算机视觉的地图制作任务中的错误很少。我们通过考虑采用立体匹配算法来对现实世界点进行三角测量的数字高程模型的构建来证明这一点。这种稀疏性与作者最近...
热度:76
![](functions/showpic.php?filename=2019041908594317.png)
A Decoupled Approach to Exemplar-based Unsupervised Learning[基于范例的无监督学习的解耦方法]
Sebastian Nowozin(马克斯普朗克研究所) 基于样本的无监督学习的最近趋势是将学习问题表述为凸优化问题。通过将可能的原型集限制为训练样本来实现凸性。特别是,这已经用于聚类,矢量量化和混合模型密度...
热度:51
Sebastian Nowozin(马克斯普朗克研究所) 基于样本的无监督学习的最近趋势是将学习问题表述为凸优化问题。通过将可能的原型集限制为训练样本来实现凸性。特别是,这已经用于聚类,矢量量化和混合模型密度...
热度:51
![](functions/showpic.php?filename=2019041908571169.png)
STAIR: The STanford Artificial Intelligence Robot project[STAIR:STanford人工智能机器人项目]
Andrew Ng, Andrew McCallum(斯坦福大学) 本演讲将描述STAIR家庭辅助机器人项目,以及导致关键STAIR组件的几个卫星项目,例如(i)机器人抓取以前未知的物体,(ii)来自单个静止图像的深度感知,以及(i...
热度:84
Andrew Ng, Andrew McCallum(斯坦福大学) 本演讲将描述STAIR家庭辅助机器人项目,以及导致关键STAIR组件的几个卫星项目,例如(i)机器人抓取以前未知的物体,(ii)来自单个静止图像的深度感知,以及(i...
热度:84
![](functions/showpic.php?filename=2019041908544414.png)
Poster: Knowledge as a Constraint on Uncertainty for Unsupervised Classification: A Study in Part-of-Speech Tagging[海报:知识作为无监督分类不确定性的约束:词性标注研究]
Thomas J. Murray(南加利福尼亚大学) 本文评估了在无人监督的训练和分类过程中使用先验知识来限制或偏向分类者的选择。关注模型决策的不确定性中的影响,我们量化知识源的贡献作为给定输入语料库的标...
热度:74
Thomas J. Murray(南加利福尼亚大学) 本文评估了在无人监督的训练和分类过程中使用先验知识来限制或偏向分类者的选择。关注模型决策的不确定性中的影响,我们量化知识源的贡献作为给定输入语料库的标...
热度:74
![](functions/showpic.php?filename=2019041908500752.png)
Poster: Using Prior Domain Knowledge to Build HMM-Based Semantic Tagger Trained on Completely Unannotated Data[海报:利用先验领域知识构建基于HMM的语义标记器,对完全未注释的数据进行训练]
Kinfe Tadesse Mengistu(马格德堡大学) 在本文中,我们提出了一种在完全未注释的数据上训练的强大的统计语义标记模型。该方法主要依赖于先前的领域知识来抵消缺乏语义注释的树库数据。所提出的方法通过...
热度:65
Kinfe Tadesse Mengistu(马格德堡大学) 在本文中,我们提出了一种在完全未注释的数据上训练的强大的统计语义标记模型。该方法主要依赖于先前的领域知识来抵消缺乏语义注释的树库数据。所提出的方法通过...
热度:65
![](functions/showpic.php?filename=2019041908465238.png)
On-line Discovery of Temporal-Difference Networks[时间差网络的在线发现]
Takaki Makino(东京大学) 我们提出了一种在线,增量发现时间差(TD)网络的算法。关键贡献是建立三个标准以扩展TD网络中的节点:当节点众所周知时,节点被扩展,独立,并且具有需要进一步...
热度:55
Takaki Makino(东京大学) 我们提出了一种在线,增量发现时间差(TD)网络的算法。关键贡献是建立三个标准以扩展TD网络中的节点:当节点众所周知时,节点被扩展,独立,并且具有需要进一步...
热度:55
![](functions/showpic.php?filename=2019041908312520.png)
Local Likelihood Modeling of Temporal Text Streams[局部似然法应用于时间文档序列的建模]
Guy Lebanon(普渡大学) 时间文本数据通常由时间变化过程或分布生成。静态似然技术不能捕获底层分布中的这种漂移。我们考虑将局部似然法应用于时间文档序列的生成和条件建模。我们研究渐...
热度:34
Guy Lebanon(普渡大学) 时间文本数据通常由时间变化过程或分布生成。静态似然技术不能捕获底层分布中的这种漂移。我们考虑将局部似然法应用于时间文档序列的生成和条件建模。我们研究渐...
热度:34
![](functions/showpic.php?filename=2019041908280144.png)
Stopping Conditions for Exact Computation of Leave-One-Out Error in Support Vector Machines[停止支持向量机中差一法错误的精确计算条件]
Pavel Laskov(弗劳恩霍夫智能分析与信息系统研究所) 我们为支持向量机(SVM)求解器提出了一种新的停止条件,它精确地反映了Leave One Out错误计算的目标。停止条件保证中间SVM解决方案上的输出与最佳SVM解决方案的...
热度:56
Pavel Laskov(弗劳恩霍夫智能分析与信息系统研究所) 我们为支持向量机(SVM)求解器提出了一种新的停止条件,它精确地反映了Leave One Out错误计算的目标。停止条件保证中间SVM解决方案上的输出与最佳SVM解决方案的...
热度:56
![](functions/showpic.php?filename=2019041908252778.png)
Fast Estimation of Relational Pattern Coverage through Randomization and Maximum Likelihood[通过随机化和最大似然法快速估计关系模式覆盖]
Ondřej Kuželka(布拉格捷克技术大学) 在归纳逻辑编程中,theta包含是一种广泛使用的覆盖测试。不幸的是,测试theta包含是NP完成的,这代表了许多关系学习者的关键效率瓶颈。在本文中,我们提出了基于...
热度:6
Ondřej Kuželka(布拉格捷克技术大学) 在归纳逻辑编程中,theta包含是一种广泛使用的覆盖测试。不幸的是,测试theta包含是NP完成的,这代表了许多关系学习者的关键效率瓶颈。在本文中,我们提出了基于...
热度:6
![](functions/showpic.php?filename=2019041908202284.png)
Unsupervised Rank Aggregation with Distance-Based Models[基于距离模型的无监督秩排序]
Alexandre Klementiev(伊利诺伊大学) 当人们处理排名数据时,通常会出现有意义地组合排名的需要。尽管存在许多用于排名聚合的启发式和监督式学习方法,但是它们需要领域知识或监督的排名数据,这两者...
热度:57
Alexandre Klementiev(伊利诺伊大学) 当人们处理排名数据时,通常会出现有意义地组合排名的需要。尽管存在许多用于排名聚合的启发式和监督式学习方法,但是它们需要领域知识或监督的排名数据,这两者...
热度:57
![](functions/showpic.php?filename=2019041709302986.png)
Multi-Task Compressive Sensing with Dirichlet Process Priors[基于Dirichlet过程先验的多任务压缩感知]
Lawrence Carin(杜克大学) 压缩感知(CS)是一个新兴领域,在适当的条件下,可以显着减少给定信号所需的测量数量。在许多应用中,人们对可以在多个CS类型测量中测量的多个信号感兴趣,其中...
热度:95
Lawrence Carin(杜克大学) 压缩感知(CS)是一个新兴领域,在适当的条件下,可以显着减少给定信号所需的测量数量。在许多应用中,人们对可以在多个CS类型测量中测量的多个信号感兴趣,其中...
热度:95