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::
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
106From Image Restoration to Compressive Sampling in Computational Photography. A Bayesian Perspective.[从图像复原到计算摄影中的压缩采样,贝叶斯观点。 ]
Rafael Molina(格拉纳达大学) 为了获取另一个图像，成像系统的质量或再现场景条件不是一种选择，计算方法提供了恢复丢失信息的有力手段。图像恢复是估计由于采集或处理系统而丢失的信息并从一...
热度：51
Rafael Molina(格拉纳达大学) 为了获取另一个图像，成像系统的质量或再现场景条件不是一种选择，计算方法提供了恢复丢失信息的有力手段。图像恢复是估计由于采集或处理系统而丢失的信息并从一...
热度：51
107Real-time Image Enhancement Using Edge-Optimized a-trous Wavelets[基于边缘优化a-trous小波的实时图像增强 ]
Hendrik Lensch(图宾根大学) 避免使用trous小波（EAAW）的边缘为高级实时图像平滑和对比度增强提供了一种优雅而简单的方法。基于双边滤波器，边缘避免小波执行多分辨率分析。通过优化边缘权...
热度：45
Hendrik Lensch(图宾根大学) 避免使用trous小波（EAAW）的边缘为高级实时图像平滑和对比度增强提供了一种优雅而简单的方法。基于双边滤波器，边缘避免小波执行多分辨率分析。通过优化边缘权...
热度：45
108Online Learning with Implicit User Preferences[具有内隐用户偏好的在线学习 ]
Thorsten Joachims(康奈尔大学) 从搜索引擎到智能家居的许多系统旨在不断提高他们为用户提供的实用程序。虽然显然是一个机器学习问题，但用户和学习算法之间的界面应该是什么样的，不太清楚。本...
热度：29
Thorsten Joachims(康奈尔大学) 从搜索引擎到智能家居的许多系统旨在不断提高他们为用户提供的实用程序。虽然显然是一个机器学习问题，但用户和学习算法之间的界面应该是什么样的，不太清楚。本...
热度：29
109Efficient Regression for Computational Photography: from Color Management to Omnidirectional Superresolution[计算摄影的有效回归：从色彩管理到全方位超分辨率 ]
Maya Gupta(华盛顿大学) 许多计算摄影应用可以被构造为低维回归问题，其需要快速评估测试样本以进行渲染。在这种情况下，将样本存储在可以快速插值的网格或网格上通常是一种实用的方法。...
热度：31
Maya Gupta(华盛顿大学) 许多计算摄影应用可以被构造为低维回归问题，其需要快速评估测试样本以进行渲染。在这种情况下，将样本存储在可以快速插值的网格或网格上通常是一种实用的方法。...
热度：31
110Degrees of Supervision[监管的程度 ]
Dario Garcia Garcia(澳大利亚国立大学) 许多机器学习问题可以被解释为对学习过程提供的监督水平不同。在这项工作中，我们提供了一种统一的方式来处理这些不同程度的监督。我们展示了为适应这一愿景而开...
热度：35
Dario Garcia Garcia(澳大利亚国立大学) 许多机器学习问题可以被解释为对学习过程提供的监督水平不同。在这项工作中，我们提供了一种统一的方式来处理这些不同程度的监督。我们展示了为适应这一愿景而开...
热度：35
111Multitask Multiple Kernel Learning (MT-MKL)[多任务多核学习（MTMKL）]
Christian Widmer(图宾根大学 ) 缺乏足够的训练数据是计算生物学中许多机器学习应用的限制因素。如果数据可用于几个不同但相关的问题域，则可以使用多任务学习算法基于所有可用信息来学习模型。...
热度：74
Christian Widmer(图宾根大学 ) 缺乏足够的训练数据是计算生物学中许多机器学习应用的限制因素。如果数据可用于几个不同但相关的问题域，则可以使用多任务学习算法基于所有可用信息来学习模型。...
热度：74
112An Optimization Based Framework for Dynamic Batch Mode Active Learning[基于优化的动态批模式主动学习框架 ]
Shayok Chakraborty(亚利桑那州立大学 ) 主动学习技术在减少人类对注释数据实例的努力以引入分类器方面已经普及。当面对大量未标记数据时，此类算法会自动选择显着和代表样本进行手动注释。最近提出了批...
热度：50
Shayok Chakraborty(亚利桑那州立大学 ) 主动学习技术在减少人类对注释数据实例的努力以引入分类器方面已经普及。当面对大量未标记数据时，此类算法会自动选择显着和代表样本进行手动注释。最近提出了批...
热度：50
113Multiple Kernel Learning for Efficient Conformal Predictions[有效保角预测的多核学习]
Shayok Chakraborty(亚利桑那州立大学 ) Conformal Predictions框架是机器学习的最新发展，它将可靠的置信度与分类和回归结果联系起来。该框架建立在算法随机性（Kolmogorov复杂性），转换推理和假设检...
热度：46
Shayok Chakraborty(亚利桑那州立大学 ) Conformal Predictions框架是机器学习的最新发展，它将可靠的置信度与分类和回归结果联系起来。该框架建立在算法随机性（Kolmogorov复杂性），转换推理和假设检...
热度：46
114Energy Minimization with Label costs and Applications in Multi-Model Fitting[带标签成本的能量最小化及其在多模型拟合中的应用 ]
Yuri Boykov(加拿大西安大略大学 ) 由于其通用性，有效性和速度，扩展算法对计算机视觉产生了重大影响。最近，它只能最小化涉及一元，成对和专用高阶项的能量。我们建议扩展一个扩展，可以同时优化...
热度：33
Yuri Boykov(加拿大西安大略大学 ) 由于其通用性，有效性和速度，扩展算法对计算机视觉产生了重大影响。最近，它只能最小化涉及一元，成对和专用高阶项的能量。我们建议扩展一个扩展，可以同时优化...
热度：33
115Supervised and Localized Dimensionality Reduction from Multiple Feature Representations or Kernels[基于多特征表示或内核的监督和局部降维 ]
Ethem Alpaydin(博阿齐奇大学) 我们提出了一种监督和局部降维方法，它结合了多个特征表示或内核。每个特征表示orkernel用于适合通过监督管理器中的参数选通模型进行有效降维和分类的情况，并且...
热度：37
Ethem Alpaydin(博阿齐奇大学) 我们提出了一种监督和局部降维方法，它结合了多个特征表示或内核。每个特征表示orkernel用于适合通过监督管理器中的参数选通模型进行有效降维和分类的情况，并且...
热度：37
116PAC-Bayesian Approach to Formulation of Clustering Objectives[聚类目标的pac-bayesian方法 ]
Yevgeny Seldin(哥本哈根大学 ) 聚类是一种广泛用于探索性数据分析的工具。然而，对聚类的理论理解非常有限。我们仍然没有找到一个看似简单的问题“数据中存在多少簇？”的答案，而且基于不同优...
热度：53
Yevgeny Seldin(哥本哈根大学 ) 聚类是一种广泛用于探索性数据分析的工具。然而，对聚类的理论理解非常有限。我们仍然没有找到一个看似简单的问题“数据中存在多少簇？”的答案，而且基于不同优...
热度：53
117Linear Bellman Combination for Simulation of Human Motion[模拟人体运动的线性bellman组合方法 ]
Jovan Popović(华盛顿大学) 对自然人体运动的模拟具有挑战性，因为相关的系统动力学是高维度的，欠驱动的 - 不能直接控制全球位置和方向 - 以及非平滑频繁和间歇性的地面接触。为了取得成功...
热度：44
Jovan Popović(华盛顿大学) 对自然人体运动的模拟具有挑战性，因为相关的系统动力学是高维度的，欠驱动的 - 不能直接控制全球位置和方向 - 以及非平滑频繁和间歇性的地面接触。为了取得成功...
热度：44
118What Is a Cluster: Perspectives from Game Theory[什么是集群：博弈论视角 ]
Marcello Pelillo(加州大学 ) 而不是坚持确定输入数据的分区，并因此获得作为分区过程的副产品的集群的想法，在这个演示中，我建议颠倒问题的条款，并试图得出这个概念的严格表述集群很明显，...
热度：65
Marcello Pelillo(加州大学 ) 而不是坚持确定输入数据的分区，并因此获得作为分区过程的副产品的集群的想法，在这个演示中，我建议颠倒问题的条款，并试图得出这个概念的严格表述集群很明显，...
热度：65
119A Bayesian Approach to Occupancy Mapping with Uncertain Inputs[不确定输入占用映射的贝叶斯方法 ]
Simon T. O'Callaghan(悉尼大学) 该工作解决了占用映射的问题，其具有来自一个或多个移动机器人的不确定测量。对传感器和定位不确定性进行适当建模对于获得一致且稳健的地图至关重要，这些地图随...
热度：29
Simon T. O'Callaghan(悉尼大学) 该工作解决了占用映射的问题，其具有来自一个或多个移动机器人的不确定测量。对传感器和定位不确定性进行适当建模对于获得一致且稳健的地图至关重要，这些地图随...
热度：29
120Characterization of Linkage Based Clustering[基于链接的聚类特征]
David Loker(滑铁卢大学) 存在各种各样的聚类算法，当在相同数据上运行时，通常会产生不同的聚类。然而，没有原则方法来指导聚类算法的选择。当然，选择适当的聚类取决于任务。因此，我们...
热度：46
David Loker(滑铁卢大学) 存在各种各样的聚类算法，当在相同数据上运行时，通常会产生不同的聚类。然而，没有原则方法来指导聚类算法的选择。当然，选择适当的聚类取决于任务。因此，我们...
热度：46