境外开放课程——按学科专业列表
开放课程→自然科学→数学::

301
Unifying Dependent Clustering and Disparate Clustering for Non-homogeneous Data[非齐次数据的依赖聚类与异聚类的统一]
  M. Shahriar Hossain(弗吉尼亚理工学院) 现代数据挖掘设置涉及实体上属性值描述符的组合以及这些实体之间的指定关系。我们提出了一种通过使用关系施加相依的聚类或完全不同的聚类约束来聚类此类非齐次数...
热度：21

302
Iterative Learning of Weighted Rule Sets for Greedy Search[贪婪搜索加权规则集的迭代学习]
  Yuehua Xu(俄勒冈州立大学) 贪婪搜索通常用于尝试以完整性和最优性为代价快速生成解决方案。在这项工作中，我们考虑学习加权操作选择规则的集合，以指导贪婪搜索及其在自动计划中的应用。对...
热度：54

303
A tutorial on Deep Learning[深度学习教程]
  Geoffrey E. Hinton(多伦多大学) 可以通过组合更简单的模型来创建未标记数据的复杂概率模型。混合模型是通过对较简单模型的密度求平均值而获得的，而“专家产品”是通过将密度相乘并重新归一化而...
热度：54

304
Lecture 3: Divide-and-Conquer: Strassen, Fibonacci, Polynomial Multiplication [第三讲：分治：斯特拉森，斐波那契，多项式乘法]
  Erik Demaine(麻省理工学院) “大家早上好。今天我们要做一些算法，回到算法上，我们将使用上一类开发的许多更简单的数学，例如用于求解的主定理。递归，我们将经常使用它，因为我们今天将讨...
热度：11

305
Polymatroids and Submodularity[多拟阵与子模性]
  Jack Edmonds(无) 现在已经提出了许多折时算法，用于最小化有限集E的子集S上的子模函数f（S）。我们提供了（全部隐藏的）所有理论基础的教程。特别是，可以很容易地将f推算为一个...
热度：67

306
Game Theory & Clustering[博弈论与聚类]
  Marcello Pelillo(加州大学 ) 本课程将概述关于成对数据聚类的最新工作，该研究已导致在无监督学习和（进化）博弈论之间建立有趣的联系。该框架以“支配集”的概念为中心，“支配集”是一种新...
热度：59

307
On Image Contours of Projective Shapes[关于射影图形的图像轮廓]
   Jean Ponce(法国国家信息与自动化研究所) 本文回顾了以光滑表面为边界的实体轮廓的经典属性，并表明可以在纯投影环境中建立它们，而无需使用诸如法线或曲率的欧几里得度量。特别是，我们给出了Koenderink...
热度：40

308
Scalable Text and Link Analysis with Mixed-Topic Link Models[基于混合主题链接模型的可伸缩文本和链接分析]
   Yaojia Zhu(新墨西哥大学) 许多数据集包含有关对象的丰富信息，以及它们之间的成对关系。例如，在网站，科学论文和其他文档的网络中，每个节点都具有包含单词集合以及指向其他节点的超链接...
热度：45

309
Scalable Structured Low Rank Matrix Optimization Problems[可扩展结构化低秩矩阵优化问题]
   Marco Signoretto(鲁汶大学) 我们考虑一类结构化的低秩矩阵优化问题。我们通过线性映射（称为突变）表示所需的结构，该线性映射可以编码矩阵，其中矩阵的条目划分为已知的不连续的组。我们的...
热度：63

310
Lecture 1: Overview Of Linear Dynamical Systems[第一讲：线性动力系统概述]
  Stephen P. Boyd(斯坦福大学) 我会从一些开始-我会讲一些课堂上的技巧，然后我们开始。今天只是一个有趣的讲座，所以不能代表全班。所以到最后，你会想，“嗯，这很有趣，但它有点，像，无内...
热度：63

311
Fast Matrix Completion Without the Condition Number[无条件数的快速矩阵完备]
   Mary Wootters(万国商业机器公司) 我们给出了矩阵完成的第一个算法，该算法实现了运行时间和样本复杂度，该算法在未知目标矩阵的秩上是多项式，在矩阵的维数上是线性的，在矩阵的条件数上是对数的...
热度：39

312
Blackwell Approachability and No-Regret Learning are Equivalent[布莱克威尔的平易近人和无悔学习是等价的]
   Jacob Abernethy(加州大学) 我们考虑了两个具有向量收益的玩家游戏的著名布莱克韦尔可接近性定理。布莱克韦尔本人此前曾证明，该定理暗示着一个简单的在线学习问题的“不后悔”算法的存在。...
热度：105

313
Online submodular minimization with combinatorial constraints[带组合约束的在线子模极小化]
   Stefanie Jegelka(马克斯普朗克研究所) 最近，人们越来越感兴趣的是用次模块成本函数代替组合问题中的线性（模块）成本函数。此增强功能为强大的模型打开了大门，但同时也带来了非常困难的优化问题。在...
热度：47

314
Pseudo-Bound Optimization for Binary Energies[二元能量的伪界优化]
   Meng Tang(西安大略大学) 高阶和非子模量成对能量对于图像分割，表面匹配，反卷积，跟踪和其他计算机视觉问题很重要。这种能量的最小化通常是NP困难的。一种标准的近似方法是在整个解决方...
热度：31

315
Recurrent linear models of simultaneously-recorded neural populations[同步记录神经种群的回归线性模型]
  Maneesh Sahani(伦敦大学) 通常，根据共享的底层低维动态过程，可以最好地理解具有长时域结构的人口神经记录。记录技术的进步使人们可以访问更大比例的人口，但是可用于识别集体动态的标准...
热度：44