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→计算机应用::
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
76Order-Embeddings of Images and Language[图像与语言的顺序嵌入]
Ivan Vendrov(多伦多大学) 多义修辞、文本蕴涵和图像字幕可以被视为单词、句子和图像上单一视觉语义层次结构的特殊情况。在本文中，我们提倡显式地建模该层次结构的偏序结构。为了实现这一...
热度：31
Ivan Vendrov(多伦多大学) 多义修辞、文本蕴涵和图像字幕可以被视为单词、句子和图像上单一视觉语义层次结构的特殊情况。在本文中，我们提倡显式地建模该层次结构的偏序结构。为了实现这一...
热度：31
7778Kernel Interpolation for Scalable Structured Gaussian Processes (KISS-GP)[可扩展结构化高斯过程的核插值]
Andrew Gordon Wilson(卡内基梅隆大学) 我们介绍了一个新的结构化核插值(SKI)框架，它概括和统一了可扩展高斯过程(GPs)的诱导点方法。SKI方法通过核插值产生快速计算的核近似。SKI框架阐明了诱导点方法...
热度：72
Andrew Gordon Wilson(卡内基梅隆大学) 我们介绍了一个新的结构化核插值(SKI)框架，它概括和统一了可扩展高斯过程(GPs)的诱导点方法。SKI方法通过核插值产生快速计算的核近似。SKI框架阐明了诱导点方法...
热度：72
79Unsupervised Visual Representation Learning by Context Prediction[基于情境预测的无监督视觉表征学习]
Carl Doersch(卡内基梅隆大学) 这项工作探索了使用空间语境作为免费和丰富的监督信号的来源，以训练丰富的视觉表征。给定一个大的、未标记的图像集合，我们从每张图像中提取随机的补丁对，并训...
热度：21
Carl Doersch(卡内基梅隆大学) 这项工作探索了使用空间语境作为免费和丰富的监督信号的来源，以训练丰富的视觉表征。给定一个大的、未标记的图像集合，我们从每张图像中提取随机的补丁对，并训...
热度：21
80Distant Supervision with Transductive Learning for Adverse Drug Reaction Identification from Electronic Medical Records[基于转导学习的远程监控在电子病历中识别药物不良反应]
Siriwon Taewijit(日本高等科学技术研究院) 从大规模临床文献中提取药品不良反应(ADR)信息和发现知识是非常有用和需要的过程。这项任务的两个主要困难是缺乏领域专家来标记例子和难以处理的非结构化临床文...
热度：22
Siriwon Taewijit(日本高等科学技术研究院) 从大规模临床文献中提取药品不良反应(ADR)信息和发现知识是非常有用和需要的过程。这项任务的两个主要困难是缺乏领域专家来标记例子和难以处理的非结构化临床文...
热度：22
81CNTK - Microsoft’s open-source deep-learning toolkit[CNTK -微软的开源深度学习工具包]
Frank Seide;Amit Agarwal(微软) 像微软产品组一样训练神经网络!本次演讲将介绍计算网络工具包(CNTK)，这是微软针对Windows和Linux的可扩展开源深度学习工具包。CNTK是一个强大的基于计算图的深...
热度：29
Frank Seide;Amit Agarwal(微软) 像微软产品组一样训练神经网络!本次演讲将介绍计算网络工具包(CNTK)，这是微软针对Windows和Linux的可扩展开源深度学习工具包。CNTK是一个强大的基于计算图的深...
热度：29
8283Density Modeling of Images using a Generalized Normalization Transformation[利用广义归一化变换的图像密度建模]
Johannes Ballé(纽约大学) 我们引入了一种参数非线性变换，它非常适合于对自然图像中的数据进行高斯化。数据进行线性转换，然后每个组件通过池活动度量进行标准化，通过对整流和指数化组件...
热度：19
Johannes Ballé(纽约大学) 我们引入了一种参数非线性变换，它非常适合于对自然图像中的数据进行高斯化。数据进行线性转换，然后每个组件通过池活动度量进行标准化，通过对整流和指数化组件...
热度：19
8485Build it, and they will come: Applications of semantic technology[建立它，它们就会到来:语义技术的应用]
Ian Horrocks(牛津大学) 语义技术正在迅速成为主流，RDF、OWL和SPARQL现在得到了一系列商业系统的支持，并用于不同的应用程序领域。在这次演讲中，我将简要回顾这些语言的设计，然后研究...
热度：25
Ian Horrocks(牛津大学) 语义技术正在迅速成为主流，RDF、OWL和SPARQL现在得到了一系列商业系统的支持，并用于不同的应用程序领域。在这次演讲中，我将简要回顾这些语言的设计，然后研究...
热度：25
86Bugbears or Legitimate Threats? (Social) Scientists' Criticisms of Machine Learning[麻烦还是合理的威胁?(社会)科学家对机器学习的批评]
Sendhil Mullainathan(哈佛大学) 社会科学家越来越多地批评使用机器学习技术来理解人类行为。批评包括:(1)它们是理论性的，因此科学价值有限;(2)它们不涉及因果关系，因此政策价值有限;(3)它们是...
热度：17
Sendhil Mullainathan(哈佛大学) 社会科学家越来越多地批评使用机器学习技术来理解人类行为。批评包括:(1)它们是理论性的，因此科学价值有限;(2)它们不涉及因果关系，因此政策价值有限;(3)它们是...
热度：17
87Compressive Sensing for Computer Vision: Hype vs Hope[计算机视觉压缩感知:炒作与希望]
Rama Chellappa(马里兰大学) 计算机视觉压缩感知:炒作与希望
热度：17
Rama Chellappa(马里兰大学) 计算机视觉压缩感知:炒作与希望
热度：17
88Learning without Forgetting[学而不忘]
Zhizhong Li(伊利诺伊大学) 在构建统一的视觉系统或逐渐向系统添加新功能时，通常的假设是所有任务的训练数据始终可用。然而，随着任务数量的增长，在这些数据上存储和再训练变得不可行的。...
热度：17
Zhizhong Li(伊利诺伊大学) 在构建统一的视觉系统或逐渐向系统添加新功能时，通常的假设是所有任务的训练数据始终可用。然而，随着任务数量的增长，在这些数据上存储和再训练变得不可行的。...
热度：17
89Photo-Sequencing[照片排序]
Tali Basha;Bernt Schiele;David Forsyth(特拉维夫大学;马克斯·普朗克信息研究所;伊利诺伊大学) 动态事件，如家庭聚会、音乐会或体育赛事，通常由一群人拍摄。通过这种方法获得的静态图像集具有丰富的动态内容，但缺乏准确的时间信息。我们提出了一种照片排序...
热度：17
Tali Basha;Bernt Schiele;David Forsyth(特拉维夫大学;马克斯·普朗克信息研究所;伊利诺伊大学) 动态事件，如家庭聚会、音乐会或体育赛事，通常由一群人拍摄。通过这种方法获得的静态图像集具有丰富的动态内容，但缺乏准确的时间信息。我们提出了一种照片排序...
热度：17
90Recommendation in Social Media[社交媒体推荐]
Huan Liu;Jie Tang;Jiliang Tang(亚利桑那州立大学;清华大学) 社交媒体的广泛使用以前所未有的速度产生大量数据，社交媒体用户的信息过载问题日益严重。推荐已经被证明可以有效地缓解信息过载问题，在提高用户体验质量方面展...
热度：26
Huan Liu;Jie Tang;Jiliang Tang(亚利桑那州立大学;清华大学) 社交媒体的广泛使用以前所未有的速度产生大量数据，社交媒体用户的信息过载问题日益严重。推荐已经被证明可以有效地缓解信息过载问题，在提高用户体验质量方面展...
热度：26