图 书 馆境外开放课程——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
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
541Expectation Consistent Approximate Inference[优化近似推理]
Ole Winther(丹麦科技大学) 我们提出了一种新的框架，用于近似于难处理的概率模型。该方法基于推理的自由能量公式，并允许同时计算边际期望和连续和离散随机变量的对数分区函数。使用易处理...
热度：65
Ole Winther(丹麦科技大学) 我们提出了一种新的框架，用于近似于难处理的概率模型。该方法基于推理的自由能量公式，并允许同时计算边际期望和连续和离散随机变量的对数分区函数。使用易处理...
热度：65
542Approximations with Reweighted Generalized Belief Propagation[近似再加权的广义传播]
Wim Wiegerinck(拉德堡德大学) 在（Wainwright等人，2002）中，已经开发了任意无向图形模型的对数分区函数的新的一般上界类。通过采用易处理分布的凸组合来构造该界限。到目前为止公布的实验结...
热度：44
Wim Wiegerinck(拉德堡德大学) 在（Wainwright等人，2002）中，已经开发了任意无向图形模型的对数分区函数的新的一般上界类。通过采用易处理分布的凸组合来构造该界限。到目前为止公布的实验结...
热度：44
543Modified Belief Propagation: an Algorithm for Optimization Problems[改进信念传播：一种求解优化问题的算法]
Jort van Mourik(阿斯顿大学) 信念传播是众所周知的算法，用于解决各种优化问题，例如纠错码图着色和可满足性问题。它通常在复制对称近似成立的区域中工作良好，但在复制对称性中断时发生故障...
热度：98
Jort van Mourik(阿斯顿大学) 信念传播是众所周知的算法，用于解决各种优化问题，例如纠错码图着色和可满足性问题。它通常在复制对称近似成立的区域中工作良好，但在复制对称性中断时发生故障...
热度：98
544Estimation of gradients and coordinate covariation in classification[分类中梯度和坐标协变量的估计]
Sayan Mukherjee(杜克大学) 我们引入了一种算法，该算法在监督学习框架中同时估计分类函数及其梯度。该算法的动机是找到显着变量并估计它们如何变换。给出了关于存储器和时间的有效实现。
热度：62
Sayan Mukherjee(杜克大学) 我们引入了一种算法，该算法在监督学习框架中同时估计分类函数及其梯度。该算法的动机是找到显着变量并估计它们如何变换。给出了关于存储器和时间的有效实现。
热度：62
545Determinantal Point Processes[行列式点过程 ]
Ben Taskar(宾夕法尼亚大学 ) 决策点过程（DPP）在随机矩阵理论和量子物理学中出现，作为具有负相关的随机变量的模型。在众多卓越的属性中，它们为精确推理提供易处理算法，包括计算边缘，计...
热度：174
Ben Taskar(宾夕法尼亚大学 ) 决策点过程（DPP）在随机矩阵理论和量子物理学中出现，作为具有负相关的随机变量的模型。在众多卓越的属性中，它们为精确推理提供易处理算法，包括计算边缘，计...
热度：174
546The Sample-Computational Tradeoff[样本计算权衡 ]
Shai Shalev-Shwartz(耶路撒冷希伯来大学 ) 在分析学习算法的误差时，通常将误差分解为近似误差（测量假设类适合问题的程度）和估计误差（由于我们仅接收有限训练集的事实）。在实践中，由于我们具有有限的...
热度：51
Shai Shalev-Shwartz(耶路撒冷希伯来大学 ) 在分析学习算法的误差时，通常将误差分解为近似误差（测量假设类适合问题的程度）和估计误差（由于我们仅接收有限训练集的事实）。在实践中，由于我们具有有限的...
热度：51
547Stochastic Dual Coordinate Ascent Methods for Regularized Loss Minimization[正则化损失最小化的随机双坐标上升法 ]
Shai Shalev-Shwartz(耶路撒冷希伯来大学) 由于具有强大的理论保证，随机梯度下降（SGD）已经成为解决大规模监督机器学习优化问题（如SVM）的流行趋势。虽然密切相关的双坐标上升（DCA）方法已在各种软件...
热度：162
Shai Shalev-Shwartz(耶路撒冷希伯来大学) 由于具有强大的理论保证，随机梯度下降（SGD）已经成为解决大规模监督机器学习优化问题（如SVM）的流行趋势。虽然密切相关的双坐标上升（DCA）方法已在各种软件...
热度：162
548Label Propagation for Fine-Grained Cross-Lingual Genre Classification[细粒度跨语言体裁分类的标签传播 ]
Philipp Petrenz(爱丁堡大学 ) 跨语言方法可以将类型分类的好处带到缺乏类型注释的训练数据的语言中。但是，此领域的先前工作仅针对粗略类型进行了评估。为了预测跨语言的细粒度类型，我们提出...
热度：66
Philipp Petrenz(爱丁堡大学 ) 跨语言方法可以将类型分类的好处带到缺乏类型注释的训练数据的语言中。但是，此领域的先前工作仅针对粗略类型进行了评估。为了预测跨语言的细粒度类型，我们提出...
热度：66
549Provable Matrix Completion using Alternating Minimization[交替极小化的可证矩阵完备化 ]
Praneeth Netrapalli(德克萨斯大学) 交替最小化已成为涉及低秩矩阵的大规模机器学习问题的流行启发式算法。但是，对其性能的理论保证很少（如果有的话）。在这项工作中，我们研究了[RFP07]中首次提...
热度：72
Praneeth Netrapalli(德克萨斯大学) 交替最小化已成为涉及低秩矩阵的大规模机器学习问题的流行启发式算法。但是，对其性能的理论保证很少（如果有的话）。在这项工作中，我们研究了[RFP07]中首次提...
热度：72
550Nonparametric Density Estimation for Capture-Recapture[捕获-再捕获的非参数密度估计 ]
Zachary Kurtz(卡内基梅隆大学) 捕获重新捕获（CRC）是一种通过组合多个不完整的人口单位列表来估计人口规模的方法。准确的估计器必须模拟列表之间的依赖关系。一种依赖是单位级别列表依赖，其...
热度：43
Zachary Kurtz(卡内基梅隆大学) 捕获重新捕获（CRC）是一种通过组合多个不完整的人口单位列表来估计人口规模的方法。准确的估计器必须模拟列表之间的依赖关系。一种依赖是单位级别列表依赖，其...
热度：43
551Modern Nonparametric Statistics on Modern Big Data[现代大数据的现代非参数统计 ]
Alexander Gray(乔治亚理工学院) 现代数据在对象数量和维度数量方面都在增长。虽然在统计意义上，大量数据使得非参数方法完全合适，但是它们的计算成本使得从业者通常认为在这种情况下它们是不可...
热度：45
Alexander Gray(乔治亚理工学院) 现代数据在对象数量和维度数量方面都在增长。虽然在统计意义上，大量数据使得非参数方法完全合适，但是它们的计算成本使得从业者通常认为在这种情况下它们是不可...
热度：45
552Inexact Search Directions in Interior Point Methods for Large Scale Optimization[大规模优化内点法的不精确搜索方向 ]
Jacek Gondzio(爱丁堡大学 ) 用于线性和二次优化的内点法（IPM）已经非常成功，但偶尔会遇到过多的内存需求和每次迭代的高计算成本。使用适当预处理的迭代方法克服了这些缺点。在演讲的第一...
热度：76
Jacek Gondzio(爱丁堡大学 ) 用于线性和二次优化的内点法（IPM）已经非常成功，但偶尔会遇到过多的内存需求和每次迭代的高计算成本。使用适当预处理的迭代方法克服了这些缺点。在演讲的第一...
热度：76
553What cannot be learned with Bethe Approximations[用贝斯近似法不能做到的东西]
Amir Globerson(耶路撒冷希伯来大学 ) 我们解决了当推理难以处理时学习图形模型中的参数的问题。在这种情况下，常见的策略是用其Bethe近似替换分区函数。然而，关于这种近似的理论性质知之甚少。在这...
热度：83
Amir Globerson(耶路撒冷希伯来大学 ) 我们解决了当推理难以处理时学习图形模型中的参数的问题。在这种情况下，常见的策略是用其Bethe近似替换分区函数。然而，关于这种近似的理论性质知之甚少。在这...
热度：83
554Modern Bayesian Nonparametrics: beyond Dirichlet and Gaussian processes[现代贝叶斯非参数：超越dirichlet和gaussian过程 ]
Zoubin Ghahramani(剑桥大学) 非参数在贝叶斯建模中起着重要作用：非参数模型具有灵活性，逼真性，并且通过提供良好的覆盖范围可以防止模型不足。现代贝叶斯非参数化基于对Dirichlet和高斯过...
热度：55
Zoubin Ghahramani(剑桥大学) 非参数在贝叶斯建模中起着重要作用：非参数模型具有灵活性，逼真性，并且通过提供良好的覆盖范围可以防止模型不足。现代贝叶斯非参数化基于对Dirichlet和高斯过...
热度：55
555Submodularity and Discrete Convexity[子模性与离散凸性 ]
Satoru Fujishige(京都大学) 本讲是一个教程，给出了子模函数和离散凸性的一些本质。我的演讲内容如下：＃子模和超模函数##子模块##分配格和集（Birkhoff Iri）#Submodular系统和超模系统##...
热度：165
Satoru Fujishige(京都大学) 本讲是一个教程，给出了子模函数和离散凸性的一些本质。我的演讲内容如下：＃子模和超模函数##子模块##分配格和集（Birkhoff Iri）#Submodular系统和超模系统##...
热度：165