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→计算机工程::
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
391MACs: Multi-Attribute Co-Clusters with High Correlation Information[MAC:多属性协同集群信息]
Kelvin Sim(信息通信研究所) 在分析两组不同实体之间的相关性的许多现实世界应用中，每组实体可以由多个属性表征。因此，需要将多个属性的值聚合成高度相关的簇对。我们将这种协同聚类问题表...
热度：77
Kelvin Sim(信息通信研究所) 在分析两组不同实体之间的相关性的许多现实世界应用中，每组实体可以由多个属性表征。因此，需要将多个属性的值聚合成高度相关的簇对。我们将这种协同聚类问题表...
热度：77
392Statistical Relational Learning with Formal Ontologies[基于形式本体的统计关系学习]
Achim Rettinger(卡尔斯鲁厄理工学院) 我们提出了一种学习方法，通过将本体作为一种语义丰富且完全正式的先验知识表示，将形式知识整合到统计推断中。通过在潜在多关系图形模型中实施描述逻辑可满足性...
热度：50
Achim Rettinger(卡尔斯鲁厄理工学院) 我们提出了一种学习方法，通过将本体作为一种语义丰富且完全正式的先验知识表示，将形式知识整合到统计推断中。通过在潜在多关系图形模型中实施描述逻辑可满足性...
热度：50
393A Road Map for Motor Skill Learning[运动技能学习路线图]
Jan Peters(达姆施塔特理工大学) 能够在日常生活中帮助人类的自主机器人一直是机器人，人工智能和认知科学的长期愿景。实现这一目标的第一步是可以学习由环境背景或更高级别指令触发的任务的crea...
热度：111
Jan Peters(达姆施塔特理工大学) 能够在日常生活中帮助人类的自主机器人一直是机器人，人工智能和认知科学的长期愿景。实现这一目标的第一步是可以学习由环境背景或更高级别指令触发的任务的crea...
热度：111
394The Sensitivity of Latent Dirichlet Allocation for Information Retrieval[信息检索中潜在dirichlet分配的敏感性]
Laurence A. F. Park(墨尔本大学) 已经表明，当以适当的形式使用时，使用主题模型进行信息检索可以提高精度。 Latent Dirichlet Allocation（LDA）是一个生成主题模型，它允许我们使用Dirichlet先...
热度：56
Laurence A. F. Park(墨尔本大学) 已经表明，当以适当的形式使用时，使用主题模型进行信息检索可以提高精度。 Latent Dirichlet Allocation（LDA）是一个生成主题模型，它允许我们使用Dirichlet先...
热度：56
395Characterizing Semantic Relatedness of Search Query Terms[表征搜索查询术语的语义相关性]
Dominik Benz(卡塞尔大学) 在搜索引擎查询日志中挖掘语义信息对于优化搜索引擎和引导语义Web应用程序都具有巨大潜力。最近，用户与搜索引擎的交互（更具体的点击日志信息）被视为通过查询...
热度：112
Dominik Benz(卡塞尔大学) 在搜索引擎查询日志中挖掘语义信息对于优化搜索引擎和引导语义Web应用程序都具有巨大潜力。最近，用户与搜索引擎的交互（更具体的点击日志信息）被视为通过查询...
热度：112
396Topic Significance Ranking of LDA Generative Models[生成LDA主题模型对主题意义排名]
Loulwah AlSumait(科威特大学) 像Latent Dirichlet Allocation（LDA）这样的主题模型最近被用于自动生成文本语料库主题，并在这些主题中细分语料库单词。但是，并非所有估计的主题都具有同等重...
热度：116
Loulwah AlSumait(科威特大学) 像Latent Dirichlet Allocation（LDA）这样的主题模型最近被用于自动生成文本语料库主题，并在这些主题中细分语料库单词。但是，并非所有估计的主题都具有同等重...
热度：116
397Large-Scale Clustering through Functional Embedding[通过功能嵌入进行大规模聚类]
Mathew L. Miller, Frederic Ratle, Jason Weston(洛桑大学) 我们提出了一个用于大规模数据集群的新框架。主要思想是修改功能降维技术，使用随机梯度下降直接优化离散标签。与光谱聚类等方法相比，我们的方法解决了单个优化...
热度：72
Mathew L. Miller, Frederic Ratle, Jason Weston(洛桑大学) 我们提出了一个用于大规模数据集群的新框架。主要思想是修改功能降维技术，使用随机梯度下降直接优化离散标签。与光谱聚类等方法相比，我们的方法解决了单个优化...
热度：72
398An architecture for context-aware adaptive data stream mining[一种基于上下文感知的自适应数据流挖掘体系结构]
Mohamed Medhat Gaber(蒙纳士大学) 在资源受限的设备中，数据流处理适应数据速率的变化，资源的可用性和环境变化对于运行应用程序的一致性和连续性至关重要。作为数据流挖掘研究的新维度，上下文感...
热度：46
Mohamed Medhat Gaber(蒙纳士大学) 在资源受限的设备中，数据流处理适应数据速率的变化，资源的可用性和环境变化对于运行应用程序的一致性和连续性至关重要。作为数据流挖掘研究的新维度，上下文感...
热度：46
399Web Spam Challenge 2007 Track II - Secure Computing Corporation Research[2007年网络垃圾邮件挑战第二轨道——安全计算公司研究]
Sven Krasser(安全计算公司) 为了区分垃圾邮件Web主机/页面与正常垃圾邮件，为Web垃圾邮件挑战跟踪II提供了基于文本和基于链接的数据。给定一小部分标记节点（约10％）在Web链接图中，挑战是...
热度：46
Sven Krasser(安全计算公司) 为了区分垃圾邮件Web主机/页面与正常垃圾邮件，为Web垃圾邮件挑战跟踪II提供了基于文本和基于链接的数据。给定一小部分标记节点（约10％）在Web链接图中，挑战是...
热度：46
400Indoor Segmentation and Support Inference from RGBD Images[基于RGBD图像推断支持实现室内对象分割]
Silvio Savarese, Nathan Silberman, Aude Oliva(纽约大学) 我们提出了一种从RGBD图像解释室内场景的主要表面，物体和支撑关系的方法。大多数现有工作忽略了物理交互或仅适用于整洁室和走廊。我们的目标是将典型的，通常是...
热度：166
Silvio Savarese, Nathan Silberman, Aude Oliva(纽约大学) 我们提出了一种从RGBD图像解释室内场景的主要表面，物体和支撑关系的方法。大多数现有工作忽略了物理交互或仅适用于整洁室和走廊。我们的目标是将典型的，通常是...
热度：166
401Beyond the line of sight: labeling the underlying surfaces[超越视线：标记下面的表面]
Silvio Savarese, Ruiqi Guo, Aude Oliva(麻省理工学院) 场景理解需要推理我们可以看到的内容和被遮挡的内容。我们提供了一种简单而通用的方法来推断遮挡背景区域的标签。我们的方法包括对转移的训练区域中可见周围背景...
热度：31
Silvio Savarese, Ruiqi Guo, Aude Oliva(麻省理工学院) 场景理解需要推理我们可以看到的内容和被遮挡的内容。我们提供了一种简单而通用的方法来推断遮挡背景区域的标签。我们的方法包括对转移的训练区域中可见周围背景...
热度：31
402“Clustering by Composition” for Unsupervised Discovery of Image Categories[“按构图聚类”用于无监督发现图像类别]
Tinne Tuytelaars, Alon Faktor, Serge J. Belongie(魏茨曼科学研究所) 我们将一个好的图像聚类定义为一个图像可以很容易地组合（如拼图），使用彼此的碎片，而很难从聚类外的图像组成。片段越大，统计上越显着，图像之间的亲和力越强...
热度：51
Tinne Tuytelaars, Alon Faktor, Serge J. Belongie(魏茨曼科学研究所) 我们将一个好的图像聚类定义为一个图像可以很容易地组合（如拼图），使用彼此的碎片，而很难从聚类外的图像组成。片段越大，统计上越显着，图像之间的亲和力越强...
热度：51
403Large Scale Visual Geo-Localization of Images in Mountainous Terrain[山地地形图像的大规模视觉地理定位]
Georges Baatz, Andrea Vedaldi, Michal Irani(苏黎世联邦理工学院) 鉴于在世界某处拍摄的照片，该图像的自动地理定位是非常有用的任务，例如，用于历史和法医学，文献目的，世界照片材料的组织以及情报应用。虽然在过去几年中在单...
热度：160
Georges Baatz, Andrea Vedaldi, Michal Irani(苏黎世联邦理工学院) 鉴于在世界某处拍摄的照片，该图像的自动地理定位是非常有用的任务，例如，用于历史和法医学，文献目的，世界照片材料的组织以及情报应用。虽然在过去几年中在单...
热度：160
404Predicting the Outcome of a Game[预测一场比赛的结果]
David Wolpert(美国宇航局) 许多复杂系统的优化往往被看作是一个黑盒优化问题。由于各种原因，例如没有导数、混合数据类型等，使用传统技术通常很难解决这些问题。诸如遗传算法、分布估计算...
热度：81
David Wolpert(美国宇航局) 许多复杂系统的优化往往被看作是一个黑盒优化问题。由于各种原因，例如没有导数、混合数据类型等，使用传统技术通常很难解决这些问题。诸如遗传算法、分布估计算...
热度：81
405Global and Local Dynamics in Correlated Systems [相关系统中的全局和局部动力学]
Tiziana Di Matteo(澳大利亚国立大学) 在本次演讲中，我们将通过网络分析[1 4]显示有关金融系统中相关性的表征和可视化的结果。我们将讨论应用一种新方法的结果，该方法能够从互相关矩阵构造复杂的图...
热度：50
Tiziana Di Matteo(澳大利亚国立大学) 在本次演讲中，我们将通过网络分析[1 4]显示有关金融系统中相关性的表征和可视化的结果。我们将讨论应用一种新方法的结果，该方法能够从互相关矩阵构造复杂的图...
热度：50