境外开放课程——按学科专业列表
开放课程→自然科学→数学::

2191
Nonparametric Variational Inference[非参数变分推理]
  Matt Hoffman(Adobe公司) 变分方法被广泛用于近似后验推断。然而，它们的使用通常限于具有特定共轭特性的分布族。为了避免这种限制，我们提出了一系列受非参数核密度估计启发的变分近似。...
热度：331

2192
Introduction by the Organizer[主办单位介绍]
  Philipp Hennig(马克斯普朗克研究所) 概率数字： 1.数值分析是推论。对确定性问题不确定 2.Example。 3.数值分析不是机器学习。还有一些观察。 4.Schedule。
热度：25

2193
A Tour of Modern [参观现代]
  Peyman Milanfar(加利福尼亚大学) 计算成像和恢复的最新发展预示着几种用于多维数据自适应处理的强大方法的到来和收敛。示例包括移动最小二乘（来自图形），双边滤波器和各向异性扩散（来自视觉）...
热度：39

2194
Retrospective Change-point Approaches and Sequential Modelling[回顾性的变化点的方法和时序建模]
  Haipeng Xing(纽约州立大学) 我们建议分析阵列CGH数据，新的随机分割模型和相关的估计程序，具有吸引人的统计和计算属性。该贝叶斯分割模型的一个重要优点是它产生后验均值的显式公式，可用...
热度：37

2195
Hierarchical-Dirichlet-Process-based Hidden Markov Models[基于隐马尔可夫模型的分层Dirichlet过程]
  Erik Sudderth(布朗大学) 我们考虑说话者日记化的问题，即将会议的录音分段为对应于各个发言者的时间段的问题。由于不允许我们知道参加会议的人数，因此问题变得特别困难。为了解决这个问...
热度：303

2196
Planning under Uncertainty Using Distributions over Posteriors[后验分布在使用不确定性条件下的规划]
  Nicholas Roy(麻省理工学院) 现代控制理论是处理概率系统提供了大量的工具。然而，大多数这些工具解决地方政策；有相对较少的工具解决复杂的计划，例如，收集信息。相反，规划社区提供了计算...
热度：22

2197
Product Partition Models for Modelling Changing Dependency Structure in Time Series[在时间序列变化的依赖结构建模的产品分配模型]
  Kevin P. Murphy(谷歌公司) 我们展示了如何在多变量环境中应用Fearnhead的高效贝叶斯变换点检测技术。我们使用无向高斯图模型模拟矢量值观测的联合密度，我们估计其结构。我们展示了如何精...
热度：90

2198
Learning a Region-based Scene Segmentation Model[学习一个基于区域的场景分割模型
  Pawan Kumar Mudigonda(牛津大学) 近年来，机器学习已经开发出一系列用于参数学习的算法，其避免估计分区函数，而是依赖于精确的近似MAP推断。在此框架内，我们考虑两个新主题。在第一部分中，我...
热度：52

2199
A Dynamic HMM for Online Segmentation[在线动态HMM分割]
  Jens Kohlmorgen(弗劳恩霍夫智能分析与信息系统研究所) 我们提出了一种用于分析表现出固有模式切换的顺序数据的新方法。特别地，数据可以是来自在多个操作模式之间切换的动态系统的非平稳时间序列。与其他方法不同，我...
热度：72

2200
Probabilistic Design: Promises and Prospects[概率设计：承诺和前景]
  Miroslav Kárný(捷克科学院) 完全概率设计（FPD）建议对闭环控制环行为以及期望的闭环行为进行概率描述。选择最优控制策略作为这些分布的Kullback-Leibler散度的最小化。该方法产生：（i）显...
热度：63

2201
Quickest Change Detection[最快的变化检测]
  Olympia Hadjiliadis(布鲁克林学院) 这项工作研究了在多种替代方案中布朗运动的恒定漂移中的顺序变化检测问题。作为性能测量，提出了扩展的Lordenas标准。当变化后假设的可能漂移具有相同的符号时，...
热度：132

2202
Imitation Learning and Purposeful Prediction: Probabilistic and Non-probabilistic Methods [模仿学习和有意义的预测：概率和非概率方法]
  Drew Bagnell(卡内基梅隆大学) 编程机器人的行为仍然是一个具有挑战性的任务。虽然它往往是简单的抽象定义甚至显示所需的行为，设计一个控制器，具有相同的行为是困难的，费时和昂贵的，最终的...
热度：53

2203
Probabilistic amplitude and frequency demodulation[概率振幅和频率解调]
  Richard Turner(伦敦大学学院) 许多最近的科学和工程问题要求信号被分解成缓慢变化的正包络和快速变化的载波的乘积，其瞬时频率也随时间缓慢变化。尽管信号处理提供了用于所谓的幅度和频率解调...
热度：28

2204
Inductive Regularized Learning of Kernel Functions
  Prateek Jain(纽昂斯通讯公司) 在本文中，我们考虑半监督核函数学习的基本问题。我们提出了一个用于学习核矩阵的通用正则化框架，然后证明了我们提出的核矩阵学习框架和一般线性转换学习问题之...
热度：77

2205
Shadow Dirichlet for Restricted Probability Modeling[受限制的概率建模的影子]
  Maya Gupta(华盛顿大学) 虽然Dirichlet分布广泛的应用，其组成部分的独立结构限制了它作为一个模型的准确性。提出的阴影Dirichlet分布的操纵支持为模型的概率质量函数（PMFS）依赖关系或...
热度：52