境外开放课程——按学科专业列表
开放课程→自然科学→数学::数学史 | 数理逻辑与数学基础 | 数论 | 代数学 | 代数几何学 | 几何学 | 拓扑学 | 数学分析 | 非标准分析 | 函数论 | 常微分方程 | 偏微分方程 | 动力系统 | 积分方程 | 泛函分析 | 计算数学 | 概率论 | 数理统计学 | 应用统计数学 | 运筹学 | 组合数学 | 离散数学 | 模糊数学 | 应用数学
2221
2222
2223
2224
2225
2226
2227
2228
2229
2230
2231
2232
2233
2234
2235
![](functions/showpic.php?filename=2015103104472132.jpg)
Efficient Closed Pattern Mining in Strongly Accessible Set Systems[有效的闭合模式挖掘在强可及集系统]
Tamás Horváth(弗劳恩霍夫协会) 数据挖掘中的许多问题可以看作是列举独立系统的封闭元素的一个特例。我们考虑将此问题推广到高度可访问的集系统和任意闭合运算符。对于这种更一般的问题设置, 如...
热度:45
Tamás Horváth(弗劳恩霍夫协会) 数据挖掘中的许多问题可以看作是列举独立系统的封闭元素的一个特例。我们考虑将此问题推广到高度可访问的集系统和任意闭合运算符。对于这种更一般的问题设置, 如...
热度:45
![](functions/showpic.php?filename=2015103104493843.jpg)
The Cost of Learning Directed Cuts[学习定向削减成本]
Thomas Gartner(弗劳恩霍夫协会) 在有向图中对顶点进行分类是一种重要的机器学习设置,具有许多应用。我们考虑在有三个特征属性的有向图上学习问题:(i)目标概念对应于有向切割; (ii)寻找裁...
热度:35
Thomas Gartner(弗劳恩霍夫协会) 在有向图中对顶点进行分类是一种重要的机器学习设置,具有许多应用。我们考虑在有三个特征属性的有向图上学习问题:(i)目标概念对应于有向切割; (ii)寻找裁...
热度:35
![](functions/showpic.php?filename=2015103104573385.jpg)
The World's Numerical Recipe[世界上的数值方法]
Frank Wilczek(麻省理工学院) “我们可以使用四个数值参数作为成分来制作普通物质的极好模型(允许非常自由的普通定义)。可通行的模型只需要两个。添加另外两种成分后,总共六种,我们可以提...
热度:47
Frank Wilczek(麻省理工学院) “我们可以使用四个数值参数作为成分来制作普通物质的极好模型(允许非常自由的普通定义)。可通行的模型只需要两个。添加另外两种成分后,总共六种,我们可以提...
热度:47
![](functions/showpic.php?filename=2015103104585940.jpg)
Lecture 18: Countable-state Markov Chains and Processes [18讲:可数状态马尔可夫链和流程]
Robert G. Gallager(麻省理工学院) 在本讲座中, 教授介绍了具有可数状态空间的采样时间 mm/1 队列、burke 定理、分支过程和 markov 过程。
热度:61
Robert G. Gallager(麻省理工学院) 在本讲座中, 教授介绍了具有可数状态空间的采样时间 mm/1 队列、burke 定理、分支过程和 markov 过程。
热度:61
![](functions/showpic.php?filename=2015103105030691.jpg)
Lecture 23: Advanced Topics (cont.)[23讲:先进的主题(续)]
Charles E. Leiserson(麻省理工学院) //“好的,早上好。所以今天,我们将继续探索多线程算法。上次我们讨论了调度的某些方面,以及一些关于描述多线程竞争的语言学。今天,我们将实际处理一些算法。...
热度:35
Charles E. Leiserson(麻省理工学院) //“好的,早上好。所以今天,我们将继续探索多线程算法。上次我们讨论了调度的某些方面,以及一些关于描述多线程竞争的语言学。今天,我们将实际处理一些算法。...
热度:35
![](functions/showpic.php?filename=2015103105130058.jpg)
Lecture 25: Advanced Topics (cont.), Discussion of Follow-on Classes[25讲:高级主题的讨论(续),后续课程]
Erik Demaine(麻省理工学院) //“6.046的最后一堂课。我们今天在这里谈谈缓存遗忘算法。最后一节,我们看到了几个缓存不经意的算法,尽管它们都不太难。今天我们将看到两个困难的缓存遗忘算...
热度:51
Erik Demaine(麻省理工学院) //“6.046的最后一堂课。我们今天在这里谈谈缓存遗忘算法。最后一节,我们看到了几个缓存不经意的算法,尽管它们都不太难。今天我们将看到两个困难的缓存遗忘算...
热度:51
![](functions/showpic.php?filename=2015103105183963.jpg)
Lecture 24: Advanced Topics (cont.)[24讲:先进的主题(续)]
Erik Demaine(麻省理工学院) //“ - 周6.046。哇噢!在我们的高级主题中,最后一周的主题是缓存遗忘算法。这是一个特别有趣的领域,我内心深处,因为我在这方面做了很多研究。这是Leiserson...
热度:22
Erik Demaine(麻省理工学院) //“ - 周6.046。哇噢!在我们的高级主题中,最后一周的主题是缓存遗忘算法。这是一个特别有趣的领域,我内心深处,因为我在这方面做了很多研究。这是Leiserson...
热度:22
![](functions/showpic.php?filename=2015103105285626.jpg)
Lecture 10: Discrete Probability and State Estimation[10讲:离散概率和状态估计]
Dennis Freeman(麻省理工学院) 我们一直在谈论如何分析和设计系统,但我们还没有谈到如何在不确定的情况下使系统健壮。事实上,我们甚至没有谈到如何模拟不确定性。在本单元中,我们将解决我们...
热度:35
Dennis Freeman(麻省理工学院) 我们一直在谈论如何分析和设计系统,但我们还没有谈到如何在不确定的情况下使系统健壮。事实上,我们甚至没有谈到如何模拟不确定性。在本单元中,我们将解决我们...
热度:35
![](functions/showpic.php?filename=2015103105323272.jpg)
Lecture 21: Using Graphs to Model Problems, Part 1[21讲:使用图模型的问题,1部分]
John Guttag(麻省理工学院) 本讲座以完成k-means聚类开始。然后继续介绍使用图形(连接它们的节点和边缘的集合)来建模事物的概念。涵盖的主题:伪代码,图形,节点,边,邻接矩阵,邻接列...
热度:32
John Guttag(麻省理工学院) 本讲座以完成k-means聚类开始。然后继续介绍使用图形(连接它们的节点和边缘的集合)来建模事物的概念。涵盖的主题:伪代码,图形,节点,边,邻接矩阵,邻接列...
热度:32
![](functions/showpic.php?filename=2015103105351019.jpg)
Lecture 23: Fast fourier transform and circulant matrices[23讲:快速傅里叶变换和循环矩阵]
Gilbert Strang(麻省理工学院) 第23讲:快速傅里叶变换和循环矩阵。
热度:61
Gilbert Strang(麻省理工学院) 第23讲:快速傅里叶变换和循环矩阵。
热度:61
![](functions/showpic.php?filename=2015103105443750.jpg)
![](functions/showpic.php?filename=2015103105484561.jpg)
![](functions/showpic.php?filename=2015110510303359.jpg)
![](functions/showpic.php?filename=2015110902303540.jpg)
Suboptimality of MDL and Bayes in Classification under Misspecification[在错误的MDL贝叶斯分类的次优性]
Peter Grünwald(数学与计算机科学中心) 我们表明,经常应用于分类问题的贝叶斯和MDL学习形式可能*统计上不一致*。我们提出了一大类分类器和分布,使得模型中的最佳分类器具有几乎为0的泛化误差(预期0/...
热度:50
Peter Grünwald(数学与计算机科学中心) 我们表明,经常应用于分类问题的贝叶斯和MDL学习形式可能*统计上不一致*。我们提出了一大类分类器和分布,使得模型中的最佳分类器具有几乎为0的泛化误差(预期0/...
热度:50
![](functions/showpic.php?filename=2015110902335832.jpg)
On minimax estimation of infinite dimensional vector of binomial proportions[对二项式比例的无穷维向量极小极大估计]
Eduard Belitser(乌得勒支大学) 我们考虑二项式比例的无限维向量的极小极大估计问题。在某些条件下,我们推导出一些非参数类的极小极大风险的渐近行为。此外,我们讨论了适应问题和观测的最佳分...
热度:38
Eduard Belitser(乌得勒支大学) 我们考虑二项式比例的无限维向量的极小极大估计问题。在某些条件下,我们推导出一些非参数类的极小极大风险的渐近行为。此外,我们讨论了适应问题和观测的最佳分...
热度:38