图 书 馆境外开放课程——按学科专业列表
开放课程→自然科学→信息科学与系统科学::
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
421Structured Prediction Problems in Natural Language Processing[自然语言处理中的结构化预测问题]
William Cohen, Michael Collins(卡内基梅隆大学) 在句法或语义层面上建模语言是自然语言处理中的关键问题，并且涉及一组具有挑战性的结构化预测问题。在本次演讲中，我将描述有关语法和语义的机器学习方法的工作...
热度：72
William Cohen, Michael Collins(卡内基梅隆大学) 在句法或语义层面上建模语言是自然语言处理中的关键问题，并且涉及一组具有挑战性的结构化预测问题。在本次演讲中，我将描述有关语法和语义的机器学习方法的工作...
热度：72
422Learning for Control from Multiple Demonstrations[从多个演示中学习控制]
Adam Coates(百度公司) 当给出来自次优专家的少量演示时，我们考虑学习遵循期望轨迹的问题。我们提出了一种算法，该算法（i）从次优化专家的演示中提取最初未知的期望轨迹，以及（ii）...
热度：89
Adam Coates(百度公司) 当给出来自次优专家的少量演示时，我们考虑学习遵循期望轨迹的问题。我们提出了一种算法，该算法（i）从次优化专家的演示中提取最初未知的期望轨迹，以及（ii）...
热度：89
423Fast Nearest Neighbor Retrieval for Bregman Divergences[布雷格曼发散的快速最近邻检索]
Lawrence Cayton(加利福尼亚大学) 我们提出了一种数据结构，可以对bregman分歧进行有效的NN检索。布雷格曼分歧的家族包括许多流行的相异性度量，包括KL分歧（相对熵），马哈拉诺比斯距离和Itakura...
热度：75
Lawrence Cayton(加利福尼亚大学) 我们提出了一种数据结构，可以对bregman分歧进行有效的NN检索。布雷格曼分歧的家族包括许多流行的相异性度量，包括KL分歧（相对熵），马哈拉诺比斯距离和Itakura...
热度：75
424Creating the Sydney York Morphological and Acoustic Recordings of Ears Database[创建悉尼约克形态和声音记录的耳朵数据库]
Craig Jin(悉尼大学) 本文介绍了创建悉尼约克形态和声学记录（SYMARE）数据库的过程。 SYMARE数据库支持探索人类外耳形态与其声学滤波特性之间的关系，这种关系被许多人视为掌握人类...
热度：114
Craig Jin(悉尼大学) 本文介绍了创建悉尼约克形态和声学记录（SYMARE）数据库的过程。 SYMARE数据库支持探索人类外耳形态与其声学滤波特性之间的关系，这种关系被许多人视为掌握人类...
热度：114
425Learning Inadmissible Heuristics during Search[在搜索过程中学习不可接受的启发式方法]
Jordan T. Thayer(新罕布什尔大学) 次优搜索算法通过牺牲有保证的解决方案最优性来提供更短的求解时间。虽然像A *和IDA *这样的最佳搜索算法需要可接受的启发式算法，但次优搜索算法不需要以这种方...
热度：89
Jordan T. Thayer(新罕布什尔大学) 次优搜索算法通过牺牲有保证的解决方案最优性来提供更短的求解时间。虽然像A *和IDA *这样的最佳搜索算法需要可接受的启发式算法，但次优搜索算法不需要以这种方...
热度：89
426An Effective Approach to Realizing Planning Programs[实现规划方案的有效途径]
Alfonso E. Gerevini(布雷西亚大学) 规划程序是松散的，高级的，代理行为的代理人行为的声明性表示，以及实现目标的路径。这些程序是通过过渡系统指定的，过渡系统可以包括在某些点进行的循环和决定...
热度：46
Alfonso E. Gerevini(布雷西亚大学) 规划程序是松散的，高级的，代理行为的代理人行为的声明性表示，以及实现目标的路径。这些程序是通过过渡系统指定的，过渡系统可以包括在某些点进行的循环和决定...
热度：46
427Ensemble Monte-Carlo Planning: An Empirical Study[合奏蒙特卡罗计划:一个实证研究 ]
Alan Fern(俄勒冈州立大学) 蒙特卡洛计划算法（例如UCT）通过在给定可用时间的情况下智能地扩展单个搜索树然后选择最佳根动作来选择每个决策时期的动作。最近的工作提供了证据，相反构建搜...
热度：52
Alan Fern(俄勒冈州立大学) 蒙特卡洛计划算法（例如UCT）通过在给定可用时间的情况下智能地扩展单个搜索树然后选择最佳根动作来选择每个决策时期的动作。最近的工作提供了证据，相反构建搜...
热度：52
428Planning and Acting in Incomplete Domains[在不完整的域中规划和行动]
Daniel Bryce(犹他州立大学) 由于人为错误或缺乏领域知识，工程完整的规划域描述通常非常昂贵。学习完整的域名描述也非常具有挑战性，因为许多功能与实现目标无关，数据可能很少。我们提出了...
热度：43
Daniel Bryce(犹他州立大学) 由于人为错误或缺乏领域知识，工程完整的规划域描述通常非常昂贵。学习完整的域名描述也非常具有挑战性，因为许多功能与实现目标无关，数据可能很少。我们提出了...
热度：43
429Human Computation[人类计算]
Luis von Ahn(卡内基梅隆大学) 这个讲座是关于利用人力来解决计算机无法解决的问题。尽管计算机在过去50年中已经取得了显着进步，但它们仍然没有大多数人认为理所当然的基本概念智能或感知能力...
热度：73
Luis von Ahn(卡内基梅隆大学) 这个讲座是关于利用人力来解决计算机无法解决的问题。尽管计算机在过去50年中已经取得了显着进步，但它们仍然没有大多数人认为理所当然的基本概念智能或感知能力...
热度：73
430Flexible and efficient Gaussian process models[灵活高效的高斯过程模型]
Edward Snelson(伦敦大学学院) 我将简要描述我们关于稀疏伪输入高斯过程（SPGP）的工作，其中我们通过使用梯度方法选择“伪输入”来细化稀疏近似。然后，我将描述该框架的几个扩展。首先，我们...
热度：143
Edward Snelson(伦敦大学学院) 我将简要描述我们关于稀疏伪输入高斯过程（SPGP）的工作，其中我们通过使用梯度方法选择“伪输入”来细化稀疏近似。然后，我将描述该框架的几个扩展。首先，我们...
热度：143
431432Learning to Control an Octopus Arm with Gaussian Process Temporal Difference Methods[学习用高斯过程时间差分法控制八达通臂]
Yaakov Engel(阿尔伯塔大学) 八达通手臂是一个多功能和复杂的肢体。八爪鱼如何控制这种超冗余臂（更不用说其中的八个！）尚不得而知。基于相同机械原理的机械臂可能使当今的机器人手臂过时。...
热度：57
Yaakov Engel(阿尔伯塔大学) 八达通手臂是一个多功能和复杂的肢体。八爪鱼如何控制这种超冗余臂（更不用说其中的八个！）尚不得而知。基于相同机械原理的机械臂可能使当今的机器人手臂过时。...
热度：57
433Gaussian Processes for Active Sensor Management[ 用于主动传感器管理的高斯过程]
Alexander N. Dolia(南安普顿大学) 在本文中，我们使用连续最优实验设计（OED）框架研究有源传感器管理问题。该任务包括确定空间域上的有限数量的传感器的分配和这些位置中的重复测量的数量，以便...
热度：80
Alexander N. Dolia(南安普顿大学) 在本文中，我们使用连续最优实验设计（OED）框架研究有源传感器管理问题。该任务包括确定空间域上的有限数量的传感器的分配和这些位置中的重复测量的数量，以便...
热度：80
434A tutorial on deep and unsupervised feature learning for activity recognition[关于活动识别的深度和无监督特征学习的教程]
Graham Taylor(圭尔夫大学) 从视频数据中识别人类活动是一个具有挑战性的问题，近年来越来越受到计算机视觉界的关注。目前，在此任务中表现最佳的方法基于具有显式局部几何线索和其他启发式...
热度：94
Graham Taylor(圭尔夫大学) 从视频数据中识别人类活动是一个具有挑战性的问题，近年来越来越受到计算机视觉界的关注。目前，在此任务中表现最佳的方法基于具有显式局部几何线索和其他启发式...
热度：94
435Grouping Using Factor Graphs: an Approach for Finding Text with a Camera Phone [使用因子图进行分组：使用相机电话查找文本的方法]
Huiying Shen(史密斯·凯特威尔眼科研究所) 我们引入了一个基于因子图的特征分组的新框架，它是对任意数量的随机变量之间的交互进行编码的图形模型。因子图表达高于成对顺序的交互的能力（在计算机视觉中使...
热度：42
Huiying Shen(史密斯·凯特威尔眼科研究所) 我们引入了一个基于因子图的特征分组的新框架，它是对任意数量的随机变量之间的交互进行编码的图形模型。因子图表达高于成对顺序的交互的能力（在计算机视觉中使...
热度：42