境外开放课程——按学科专业列表
开放课程→自然科学→数学::

586
Discriminative and Generative Views of Binary Experiments[二元实验的辨析与生成观]
  Robert C. Williamson(澳大利亚国立大学) 我们考虑二元实验（有两种不同标签的监督学习问题）并探索它们的两种观点之间的正式关系，我们称之为“生成性”和“歧视性”。歧视性观点涉及预期的损失。生成视...
热度：67

587
Clustering with Prior Information[具有先验信息的聚类 ]
  Greg Ver Steeg(加州理工学院 ) 总之，我们已经通过分析证明，任何小的（但是有限的）半监督量都会通过将检测阈值移动到其最低可能值来抑制种植二分模型的聚类可检测性的相变。对于簇内和簇之间...
热度：64

588
Linear Bellman Equations: Theory and Applications[线性bellman方程：理论与应用 ]
  Emanuel Todorov(华盛顿大学) 我将简要概述我们小组以及Bert Kappen小组最近开发的一类随机最优控制问题。该问题类非常通用，但具有许多独特的性质，包括指数变换（Hamilton Jacobi）Bellman...
热度：55

589
Approximate Inference in Natural Language Processing[自然语言处理中的近似推理 ]
  Noah Smith(卡内基梅隆大学 ) 我将首先介绍解析的自然语言处理问题的理想化版本。我会肆无忌惮地建议大多数NLP可以简化为解析问题的变化。我将展示动态编程如何解决问题的理想化版本，包括计...
热度：76

590
PAC-Bayesian Approach to Formulation of Clustering Objectives[聚类目标的pac-bayesian方法 ]
  Yevgeny Seldin(哥本哈根大学 ) 聚类是一种广泛用于探索性数据分析的工具。然而，对聚类的理论理解非常有限。我们仍然没有找到一个看似简单的问题“数据中存在多少簇？”的答案，而且基于不同优...
热度：53

591
Learning Vector Fields with Spectral Filtering[谱滤波学习向量场 ]
  Lorenzo Rosasco(麻省理工学院) 我们提出了一类用于向量值学习的正则化核方法，它基于对核矩阵的谱进行滤波。所考虑的方法包括Tikhonov正则化作为一种​​特殊情况，以及有趣的替代方案，例如L2...
热度：66

592
Multitask Learning Using Nonparametrically Learned Predictor Subspaces[基于非参数学习预测子空间的多任务学习 ]
  Piyush Rai(犹他大学) 给定几个相关的学习任务，我们提出了一种非参数贝叶斯学习模型，它通过假设任务参数（即权重向量）共享潜在子空间来捕获任务相关性。更具体地说，该子空间的内在...
热度：83

593
Probabilistic Control in Human Computer Interaction[人机交互中的概率控制 ]
  Roderick Murray-Smith(格拉斯哥大学) 与计算机的持续交互可以被视为受各种不确定性来源的控制问题。我们提出了基于多个噪声传感器（电容传感，位置和轴承传感和EEG）的交互实例，这些传感器依赖于对...
热度：58

594
Borrowing Strength, Learning Vector Valued Functions and Supervised Dimension Reduction[借用强度、学习向量值函数与监督降维]
  Sayan Mukherjee(杜克大学) 我们从学习向量值函数和多任务或分层建模的角度研究了有监督降维问题。提供了一种算法，并提供了经验结果。在演讲的第二部分中，从非参数贝叶斯视角重新审视了分...
热度：57

595
Learning CRF Models from Drill Rig Sensors for Autonomous Mining[自主采矿钻机传感器的crf模型学习]
  Sildomar T. Monteiro(悉尼大学 ) 本文研究了一种将集合方法与图形模型相结合的方法，用于分析矿山自动化环境中的多个传感器测量。用于钻井自动化的钻井传感器测量值有可能提供对正在钻探的岩石的...
热度：49

596
Some Ideas for Formalizing Clustering[关于聚类形式化的几点思考 ]
  Facundo Memoli(斯坦福大学) 尽管是无监督探索性数据分析中最常用的工具之一，尽管其广泛的文献对聚类方法的理论基础知之甚少。我们一直在研究各种数学方法，这些方法允许在拓扑和度量几何的...
热度：56

597
Characterization of Linkage Based Clustering[基于链接的聚类特征]
  David Loker(滑铁卢大学) 存在各种各样的聚类算法，当在相同数据上运行时，通常会产生不同的聚类。然而，没有原则方法来指导聚类算法的选择。当然，选择适当的聚类取决于任务。因此，我们...
热度：46

598
Finding a Better k: A Psychophysical Investigation of Clustering[寻找一个更好的k：聚类的心理物理研究]
  Joshua M. Lewis(加州大学圣地亚哥分校) 找到数据集中的组数k是在无监督机器学习领域中的一个重要问题，其应用跨越许多科学领域。然而问题是困难的，因为它是模糊和分层的，并且当前用于找到k的技术经常...
热度：51

599
Parameter Learning Using Approximate MAP Inference [基于近似映射推理的参数学习]
  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：69

600
Estimating the Sources of Motor Errors[估计运动误差的来源 ]
  Konrad Körding(西北大学) 运动适应通常被定义为我们的神经系统产生精确运动的过程，同时我们的身体和环境的特性不断变化。许多实验和理论研究通过假设神经系统使用内部模型来补偿运动误差...
热度：58