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::
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
496MetaData Retrieval: A Software Prototype for the Annotation of Maps with Social Metadata[元数据检索：利用社会元数据进行地图标注的软件原型]
Rosa Meo(都灵大学) 元数据检索（MDR）是用于使用元数据来丰富地理参考地图的软件模块。元数据是空间位置上的注释，取自OpenStreetMap和GeoNames等Volunteered图形信息项目.MDR用户...
热度：99
Rosa Meo(都灵大学) 元数据检索（MDR）是用于使用元数据来丰富地理参考地图的软件模块。元数据是空间位置上的注释，取自OpenStreetMap和GeoNames等Volunteered图形信息项目.MDR用户...
热度：99
497Unifying Guilt-by-Association Approaches: Theorems and Fast Algorithms[用关联方法统一内疚：定理和快速算法]
Danai Koutra(密歇根大学) 如果史密斯的几个朋友犯过小偷，你会对史密斯说些什么？如果史密斯是一个坚强的罪犯，大多数人都不会感到惊讶。通过关联方法的内疚结合弱信号来获得更强的信号，...
热度：85
Danai Koutra(密歇根大学) 如果史密斯的几个朋友犯过小偷，你会对史密斯说些什么？如果史密斯是一个坚强的罪犯，大多数人都不会感到惊讶。通过关联方法的内疚结合弱信号来获得更强的信号，...
热度：85
498InFeRno - an Intelligent Framework for Recognizing Pornographic Web Pages[InFeRno - 识别色情网页的智能框架]
Sotiris Karavarsamis(约阿尼纳大学) 在这项工作中，我们介绍了InFeRno，一个智能的网络色情消除系统，仅根据他们的视觉内容对网页进行分类。我们系统的主要特征包括：（i）一个功能强大的向量空间，...
热度：34
Sotiris Karavarsamis(约阿尼纳大学) 在这项工作中，我们介绍了InFeRno，一个智能的网络色情消除系统，仅根据他们的视觉内容对网页进行分类。我们系统的主要特征包括：（i）一个功能强大的向量空间，...
热度：34
499Algorithms and Challenges on the GeoWeb[GeoWeb的算法和挑战]
Radu Jurca(谷歌公司) 现今针对在线搜索引擎的大量查询具有地理维度。人们在地图上查找地址，但也对附近发生的事件感兴趣，或查询有关特定区域的产品，商店或景点的信息。索引和显示地...
热度：35
Radu Jurca(谷歌公司) 现今针对在线搜索引擎的大量查询具有地理维度。人们在地图上查找地址，但也对附近发生的事件感兴趣，或查询有关特定区域的产品，商店或景点的信息。索引和显示地...
热度：35
500ShiftTree: an Interpretable Model-Based Approach for Time Series Classification[移位树：一种基于模型的时间序列分类方法]
Balázs Hidasi(布达佩斯理工大学) 时间序列数据挖掘的高效算法具有利用时间序列属性的特殊时间结构的共同点。为了将时间维度的信息容纳到过程中，我们提出了一种基于实例级别游标的索引技术，该技...
热度：72
Balázs Hidasi(布达佩斯理工大学) 时间序列数据挖掘的高效算法具有利用时间序列属性的特殊时间结构的共同点。为了将时间维度的信息容纳到过程中，我们提出了一种基于实例级别游标的索引技术，该技...
热度：72
501Learning from constraints[从约束中学习]
Marco Gori(锡耶纳大学) 在本次演讲中，我提出了一个功能框架，以了解暴露于示例和知识粒子的代理中智能的出现。该理论基于约束的抽象概念，它提供了从与环境的相互作用中获得的知识粒子...
热度：38
Marco Gori(锡耶纳大学) 在本次演讲中，我提出了一个功能框架，以了解暴露于示例和知识粒子的代理中智能的出现。该理论基于约束的抽象概念，它提供了从与环境的相互作用中获得的知识粒子...
热度：38
502Preference-based policy iteration: Leveraging preference learning for reinforcement learning[基于偏好的政策迭代：利用偏好进行强化学习]
Johannes Fürnkranz(达姆施塔特工业大学) 本文迈出了机器学习两个子领域整合的第一步，即偏好学习和强化学习（RL）。基于“偏好”的强化学习方法的一个重要动机是可以扩展代理可以学习的反馈类型。特别是...
热度：82
Johannes Fürnkranz(达姆施塔特工业大学) 本文迈出了机器学习两个子领域整合的第一步，即偏好学习和强化学习（RL）。基于“偏好”的强化学习方法的一个重要动机是可以扩展代理可以学习的反馈类型。特别是...
热度：82
503Lagrange Dual Decomposition for Finite Horizon Markov Decision Processes[基于有限视界的马尔可夫决策过程中的拉格朗日对偶分解]
Thomas Furmston(伦敦大学学院) 使用平稳策略求解有限时域马尔可夫决策过程是一个计算上难以解决的问题。我们的动态双重分解方法使用拉格朗日对偶性将这个难题解耦成一系列易处理的子问题。由此...
热度：114
Thomas Furmston(伦敦大学学院) 使用平稳策略求解有限时域马尔可夫决策过程是一个计算上难以解决的问题。我们的动态双重分解方法使用拉格朗日对偶性将这个难题解耦成一系列易处理的子问题。由此...
热度：114
504COSNet: a Cost Sensitive Neural Network for Semi-supervised Learning in Graphs[Cosnet：一种用于图形半监督学习的成本敏感神经网络]
Marco Frasca(米兰大学) 在给定部分图标记的情况下，图中学习节点标签的半监督问题包括推断未标记顶点的未知标签。已经提出了几种用于解决该问题的机器学习算法，包括Hopfield网络和标签...
热度：98
Marco Frasca(米兰大学) 在给定部分图标记的情况下，图中学习节点标签的半监督问题包括推断未标记顶点的未知标签。已经提出了几种用于解决该问题的机器学习算法，包括Hopfield网络和标签...
热度：98
505Activity Recognition With Mobile Phones[使用手机进行活动识别]
Jordan Frank(麦吉尔大学) 我们的演示包括一个工作活动和步态识别系统，在商业智能手机上实现。活动识别功能允许参与者在电话上训练各种活动，例如跑步，步行或跳跃;然后，系统可以识别何...
热度：66
Jordan Frank(麦吉尔大学) 我们的演示包括一个工作活动和步态识别系统，在商业智能手机上实现。活动识别功能允许参与者在电话上训练各种活动，例如跑步，步行或跳跃;然后，系统可以识别何...
热度：66
506Manifold Coarse Graining for Online Semi-Supervised Learning[基于流形粗粒度的在线半监督学习]
Mehrdad Farajtabar(谢里夫理工大学) 由于标签数据通常既费力又昂贵，因此许多应用中可用的标记数据相当有限。主动学习是一种学习方法，主动选择未标记的数据点作为缓解标记数据缺陷问题的方法进行标...
热度：59
Mehrdad Farajtabar(谢里夫理工大学) 由于标签数据通常既费力又昂贵，因此许多应用中可用的标记数据相当有限。主动学习是一种学习方法，主动选择未标记的数据点作为缓解标记数据缺陷问题的方法进行标...
热度：59
507Multi-Subspace Representation and Discovery[多子空间表示和发现]
Chris Ding(德克萨斯大学) 本文提出了多子空间发现问题，并提供了一种理论解决方案，可以保证同时恢复子空间的数量，每个子空间的维数以及每个子空间的数据点成员。我们进一步提出了一种数...
热度：75
Chris Ding(德克萨斯大学) 本文提出了多子空间发现问题，并提供了一种理论解决方案，可以保证同时恢复子空间的数量，每个子空间的维数以及每个子空间的数据点成员。我们进一步提出了一种数...
热度：75
508Learning Monotone Nonlinear Models using the Choquet Integral[利用Choquet积分学习单调非线性模型]
Weiwei Cheng(菲利普森马尔堡大学) 保证输入变量中单调性的预测模型的学习近年来在机器学习中受到越来越多的关注。虽然对于某些类型的模型而言单调性约束的结合相当简单，但对于其他模型而言，...
热度：32
Weiwei Cheng(菲利普森马尔堡大学) 保证输入变量中单调性的预测模型的学习近年来在机器学习中受到越来越多的关注。虽然对于某些类型的模型而言单调性约束的结合相当简单，但对于其他模型而言，...
热度：32
509A Robust Ranking Methodology based on Diverse Calibration of AdaBoost[一种基于AdaBoost不同校准的AdaBoost排序方法]
Róbert Busa-Fekete(巴黎第十一大学) 在子集排名中，目标是学习近似于一组对象的金标准部分排序的排名函数（在我们的示例中，是针对同一查询检索的一组文档的相关标签）。在本文中在子集排序中，目标...
热度：59
Róbert Busa-Fekete(巴黎第十一大学) 在子集排名中，目标是学习近似于一组对象的金标准部分排序的排名函数（在我们的示例中，是针对同一查询检索的一组文档的相关标签）。在本文中在子集排序中，目标...
热度：59
510Highly dimensional problems in Computational Advertising[计算广告中的高维问题]
Andrei Broder(谷歌公司) 计算广告的核心问题是找到给定上下文中给定用户与合适广告之间的“最佳匹配”。上下文可以是用户在搜索引擎中输入查询（“计算广告的核心问题是在给定上下文中的...
热度：102
Andrei Broder(谷歌公司) 计算广告的核心问题是找到给定上下文中给定用户与合适广告之间的“最佳匹配”。上下文可以是用户在搜索引擎中输入查询（“计算广告的核心问题是在给定上下文中的...
热度：102