境外开放课程——按学科专业列表
开放课程→自然科学→信息科学与系统科学::
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
![](functions/showpic.php?filename=2019042509175349.png)
On probabilistic hypergraph matching[概率超图匹配]
Amnon Shashua(耶路撒冷希伯来大学) 我们考虑在两组特征之间找到匹配的问题,给出它们之间的复杂关系,超越成对。我们在由凸优化表示的概率设置中导出超图匹配问题。首先,我们将问题输入和输出的概...
热度:107
Amnon Shashua(耶路撒冷希伯来大学) 我们考虑在两组特征之间找到匹配的问题,给出它们之间的复杂关系,超越成对。我们在由凸优化表示的概率设置中导出超图匹配问题。首先,我们将问题输入和输出的概...
热度:107
![](functions/showpic.php?filename=2019042509042488.png)
Dependency Modelling Toolbox[依赖关系建模工具箱]
Leo Lahti(阿尔托大学) 调查多个数据源之间的依赖关系可以发现在各个数据集中看不到的规律性和交互。计算生物学,社会科学和其他领域中共同出现的测量数据越来越多,这强调了对通用依赖...
热度:43
Leo Lahti(阿尔托大学) 调查多个数据源之间的依赖关系可以发现在各个数据集中看不到的规律性和交互。计算生物学,社会科学和其他领域中共同出现的测量数据越来越多,这强调了对通用依赖...
热度:43
![](functions/showpic.php?filename=2019042508414640.png)
Scalable algorithms for learning on graphs[图形学习的可扩展算法]
Nicolò Cesa-Bianchi(米兰大学) 网络数据存在于各种领域:Web,社交网络,生物网络和许多其他领域。在学习任务中,网络数据通常表示为加权图,其边权重反映事件节点之间的相似性。在本次演讲中...
热度:29
Nicolò Cesa-Bianchi(米兰大学) 网络数据存在于各种领域:Web,社交网络,生物网络和许多其他领域。在学习任务中,网络数据通常表示为加权图,其边权重反映事件节点之间的相似性。在本次演讲中...
热度:29
![](functions/showpic.php?filename=2019042508352743.png)
Clustering without any subjective similarity information[无主观相似信息的聚类]
Shai Ben-David(滑铁卢大学) 考虑基于这些页面之间的链接图来聚类大学网页的任务。是否可以从此链接结构中检测到“功能相似”页面的集群?注意,这是一个聚类任务,其中一个人在没有任何关于...
热度:21
Shai Ben-David(滑铁卢大学) 考虑基于这些页面之间的链接图来聚类大学网页的任务。是否可以从此链接结构中检测到“功能相似”页面的集群?注意,这是一个聚类任务,其中一个人在没有任何关于...
热度:21
![](functions/showpic.php?filename=2019042508303581.png)
Learning with similarity functions[用相似函数学习]
Maria-Florina Balcan(乔治亚理工学院) 内核函数已成为机器学习中非常流行的工具,具有许多应用程序和有吸引力的理论。该理论将内核视为执行数据点到可能非常高维度空间的隐式映射,并且如果数据在该隐...
热度:64
Maria-Florina Balcan(乔治亚理工学院) 内核函数已成为机器学习中非常流行的工具,具有许多应用程序和有吸引力的理论。该理论将内核视为执行数据点到可能非常高维度空间的隐式映射,并且如果数据在该隐...
热度:64
![](functions/showpic.php?filename=2019042409272098.png)
OpenKernel[开放内核]
Cyril Allauzen(谷歌公司) OpenKernel库是一个开源软件库,用于设计,组合,学习和使用内核用于机器学习应用程序库支持在密集和稀疏实数向量上定义的内核的设计和使用,以及序列或序列的分...
热度:52
Cyril Allauzen(谷歌公司) OpenKernel库是一个开源软件库,用于设计,组合,学习和使用内核用于机器学习应用程序库支持在密集和稀疏实数向量上定义的内核的设计和使用,以及序列或序列的分...
热度:52
![](functions/showpic.php?filename=2019042409414712.png)
On Primal and Dual Sparsity of Markov Networks[马尔可夫网络的初等和对偶稀疏性]
Jun Zhu(清华大学) 稀疏性是高维学习中的理想特性。 范数正则化可以导致原始稀疏性,而最大边际方法实现双稀疏性;但是在单一结构化预测模型中实现这两者仍然很困难。本文提出了一个...
热度:68
Jun Zhu(清华大学) 稀疏性是高维学习中的理想特性。 范数正则化可以导致原始稀疏性,而最大边际方法实现双稀疏性;但是在单一结构化预测模型中实现这两者仍然很困难。本文提出了一个...
热度:68
![](functions/showpic.php?filename=2019042508231291.png)
MedLDA: Maximum Margin Supervised Topic Models for Regression and Classification[MedLDA:回归和分类的最大保证金监督主题模型]
Jun Zhu(清华大学) 监督主题模型利用文档的辅助信息来发现文档的预测低维表示;现有模型应用基于似然的估计。在本文中,我们提出了连续和分类响应变量的最大边际监督主题模型。我们...
热度:127
Jun Zhu(清华大学) 监督主题模型利用文档的辅助信息来发现文档的预测低维表示;现有模型应用基于似然的估计。在本文中,我们提出了连续和分类响应变量的最大边际监督主题模型。我们...
热度:127
![](functions/showpic.php?filename=2019042409383444.png)
Learning Instance Specific Distances Using Metric Propagation[使用度量传播学习实例特定距离]
De-Chuan Zhan(南京大学) 在许多现实世界的应用程序中,例如图像检索,使用\ textit {实例特定距离}来测量从一个实例到另一个实例的距离是很自然的,它从相关实例的角度捕获区别。但是,...
热度:58
De-Chuan Zhan(南京大学) 在许多现实世界的应用程序中,例如图像检索,使用\ textit {实例特定距离}来测量从一个实例到另一个实例的距离是很自然的,它从相关实例的角度捕获区别。但是,...
热度:58
![](functions/showpic.php?filename=2019042508171459.png)
Prototype Vector Machine for Large Scale Semi-Supervised Learning[用于大规模半监督学习的原型向量机]
Kai Zhang(坦普尔大学) 实际数据分析和挖掘很少完全属于监督学习场景。相反,来自各种科学领域的未标记数据的增长对大规模半监督学习(SSL)构成了巨大挑战。我们注意到,基于图形的SSL...
热度:34
Kai Zhang(坦普尔大学) 实际数据分析和挖掘很少完全属于监督学习场景。相反,来自各种科学领域的未标记数据的增长对大规模半监督学习(SSL)构成了巨大挑战。我们注意到,基于图形的SSL...
热度:34
![](functions/showpic.php?filename=2019042508124315.png)
Learning Non-Redundant Codebooks for Classifying Complex Objects[学习用于复杂对象分类的非冗余码本]
Wei Zhang(惠普公司) 基于码本的表示被广泛用于复杂对象(例如图像和文档)的分类。大多数先前基于码本的方法通过聚类构建单个码本,其将一包低级特征映射到描述这些特征的分布的...
热度:31
Wei Zhang(惠普公司) 基于码本的表示被广泛用于复杂对象(例如图像和文档)的分类。大多数先前基于码本的方法通过聚类构建单个码本,其将一包低级特征映射到描述这些特征的分布的...
热度:31
![](functions/showpic.php?filename=2019042409295193.png)
Discovering Options from Example Trajectories[从示例轨迹发现选项]
Peng Zang(佐治亚理工学院) 我们提出了一种新的自动问题分解技术,以解决强化学习中可扩展性的问题。我们的技术利用一组接近最优的轨迹来发现{\ it选项}并将它们整合到学习过程中,大大减少...
热度:30
Peng Zang(佐治亚理工学院) 我们提出了一种新的自动问题分解技术,以解决强化学习中可扩展性的问题。我们的技术利用一组接近最优的轨迹来发现{\ it选项}并将它们整合到学习过程中,大大减少...
热度:30
![](functions/showpic.php?filename=2019042409350318.png)
Piecewise-Stationary Bandit Problems with Side Information[边信息的分段 - 平稳强盗问题]
Jia Yuan Yu(麦吉尔大学) 我们考虑一个顺序决策问题,其中奖励是由分段的静态分布产生的。但是,不同的奖励分配是未知的,可能会在未知的情况下发生变化。我们的方法对过去的奖励使用有限...
热度:28
Jia Yuan Yu(麦吉尔大学) 我们考虑一个顺序决策问题,其中奖励是由分段的静态分布产生的。但是,不同的奖励分配是未知的,可能会在未知的情况下发生变化。我们的方法对过去的奖励使用有限...
热度:28
![](functions/showpic.php?filename=2019042508094953.png)
Piecewise-Stationary Bandit Problems with Side Observations[具有侧面观测的分段 - 平稳强盗问题]
Jia Yuan Yu(麦吉尔大学) 我们考虑一个顺序决策问题,其中奖励由分段静止分布产生。然而,不同的奖励分布是未知的,并且可能在未知时刻发生变化。我们的方法对过去的奖励使用有限数量的侧...
热度:31
Jia Yuan Yu(麦吉尔大学) 我们考虑一个顺序决策问题,其中奖励由分段静止分布产生。然而,不同的奖励分布是未知的,并且可能在未知时刻发生变化。我们的方法对过去的奖励使用有限数量的侧...
热度:31
![](functions/showpic.php?filename=2019042409322471.png)
Learning Structural SVMs with Latent Variables [学习具有潜在变量的结构支持向量机]
Chun-Nam Yu(康奈尔大学) 我们提出了一个大的边际公式和算法,用于结构化输出预测,允许使用潜在变量。本文确定了一个涵盖大范围应用问题的特定配方,同时表明通常可以使用凹面凸面编程来...
热度:74
Chun-Nam Yu(康奈尔大学) 我们提出了一个大的边际公式和算法,用于结构化输出预测,允许使用潜在变量。本文确定了一个涵盖大范围应用问题的特定配方,同时表明通常可以使用凹面凸面编程来...
热度:74