境外开放课程——按学科专业列表
开放课程→自然科学→数学→代数学::
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
![](functions/showpic.php?filename=2017042507534355.png)
18.786 Topics in Algebraic Number Theory (MIT)[18.786代数数论的主题(麻省理工学院)]
Prof. Abhinav Kumar(麻省理工学院) 本课程介绍代数数论。所涉及的主题包括:除键域、素数理想的唯一因式分解、数域、素数的分裂、类群、格方法、类数的有限性、狄里克利特单位定理、局部域、分支、...
热度:39
Prof. Abhinav Kumar(麻省理工学院) 本课程介绍代数数论。所涉及的主题包括:除键域、素数理想的唯一因式分解、数域、素数的分裂、类群、格方法、类数的有限性、狄里克利特单位定理、局部域、分支、...
热度:39
![](functions/showpic.php?filename=2017050206532131.png)
18.782 Introduction to Arithmetic Geometry (MIT)[18.782算术几何导论(麻省理工学院)]
Dr. Andrew Sutherland(麻省理工学院) 本课程是算术几何的介绍,是一门代数几何和数论交叉的学科。它的主要动机是从现代代数几何的角度研究经典丢番图问题。
热度:33
Dr. Andrew Sutherland(麻省理工学院) 本课程是算术几何的介绍,是一门代数几何和数论交叉的学科。它的主要动机是从现代代数几何的角度研究经典丢番图问题。
热度:33
![](functions/showpic.php?filename=2017042001395896.png)
18.315 Combinatorial Theory: Introduction to Graph Theory, Extremal and Enumerative Combinatorics[18.315组合理论:介绍图论、极值和点数的组合]
Prof. Igor Pak(麻省理工学院) 本课程主要介绍现代枚举和代数组合学的主要主题,重点介绍分区恒等式、年轻的表辅助双射、图中的生成树和组合对象的随机生成。有一些关于各种应用程序和与其他领...
热度:26
Prof. Igor Pak(麻省理工学院) 本课程主要介绍现代枚举和代数组合学的主要主题,重点介绍分区恒等式、年轻的表辅助双射、图中的生成树和组合对象的随机生成。有一些关于各种应用程序和与其他领...
热度:26
![](functions/showpic.php?filename=2017042001374493.png)
18.312 Algebraic Combinatorics[18.312代数组合]
Dr. Gregg Musiker(麻省理工学院) 这是代数组合学的入门课程。组合数学没有先验知识,但假定熟悉线性代数和有限群。选择主题来展示代数组合学中技术的美丽和力量。需要严格的数学证明。
热度:43
Dr. Gregg Musiker(麻省理工学院) 这是代数组合学的入门课程。组合数学没有先验知识,但假定熟悉线性代数和有限群。选择主题来展示代数组合学中技术的美丽和力量。需要严格的数学证明。
热度:43
![](functions/showpic.php?filename=2017101208580210.png)
Math 1A/1B. Pre-Calculus: Solving a Linear Inequality[数学1A / 1B.预微积分:求解线性不等式]
Sarah Eichhor(加州大学尔湾分校) 完整的课程:http://ocw.uci.edu/courses/math_1a1b_precalculus.htmlInstructor: Sarah Eichhorn, Ph.D . and Rachel Lehman, Ph.D . license: Creative Commons...
热度:34
Sarah Eichhor(加州大学尔湾分校) 完整的课程:http://ocw.uci.edu/courses/math_1a1b_precalculus.htmlInstructor: Sarah Eichhorn, Ph.D . and Rachel Lehman, Ph.D . license: Creative Commons...
热度:34
![](functions/showpic.php?filename=2017060308000438.png)
Math 1A/1B. Pre-Calculus: Intro to Functions and Graphs[数学 1A/1B.预演算: 函数和图的介绍]
Sarah Eichhorn(加州大学尔湾分校) UCI Math 1A/1B: Pre-CalculusPre-Calculus: Intro to Functions and GraphsView the complete course: http://ocw.uci.edu/courses/math_1a1b_precalculus.html...
热度:27
Sarah Eichhorn(加州大学尔湾分校) UCI Math 1A/1B: Pre-CalculusPre-Calculus: Intro to Functions and GraphsView the complete course: http://ocw.uci.edu/courses/math_1a1b_precalculus.html...
热度:27
![](functions/showpic.php?filename=2016042512221065.png)
Lecture 25: Review Of Last Lecture: LTI Systems And Convolution[讲座25:上次讲座的回顾:线性非时变系统和卷积]
Osgood Brad G(斯坦福大学) 所以如果x的w等于x的lv,那么x的w,对于x y的h的负无穷大,y的z,dy是[听不见的],好的。因此,再一次,系统的输出是通过获取系统的输入并将其与脉冲响应进行积...
热度:30
Osgood Brad G(斯坦福大学) 所以如果x的w等于x的lv,那么x的w,对于x y的h的负无穷大,y的z,dy是[听不见的],好的。因此,再一次,系统的输出是通过获取系统的输入并将其与脉冲响应进行积...
热度:30
![](functions/showpic.php?filename=2016042512201665.png)
Lecture 24: Review Of Last Lecture: Discrete V. Continuous Linear Systems[最后一堂课的复习:连续线性系统]
Brad G. Osgood(斯坦福大学) 矩阵是不同的。通过选择输入空间的基得到一个矩阵,然后用基发生的情况来表示这个矩阵。我不想经历这一切,因为我假设你在线性代数中见过这一点,尽管你可能没有...
热度:37
Brad G. Osgood(斯坦福大学) 矩阵是不同的。通过选择输入空间的基得到一个矩阵,然后用基发生的情况来表示这个矩阵。我不想经历这一切,因为我假设你在线性代数中见过这一点,尽管你可能没有...
热度:37
![](functions/showpic.php?filename=2016042512135622.png)
Lecture 18 - State-action Rewards[讲座18:国家行为模型]
Andrew Ng(斯坦福大学) 状态作用奖励、有限视界MDP、动力学系统概念、动力学模型示例、线性二次调节(LQR)、非线性模型线性化、计算奖励、Riccati方程
热度:59
Andrew Ng(斯坦福大学) 状态作用奖励、有限视界MDP、动力学系统概念、动力学模型示例、线性二次调节(LQR)、非线性模型线性化、计算奖励、Riccati方程
热度:59
![](functions/showpic.php?filename=2016070712275050.png)
Sparse Representations from Inverse Problems to Pattern Recognition[从逆问题到模式识别的稀疏表示]
Stéphane Mallat(洛桑联邦高等工业学院) 稀疏表示是许多低阶信号处理过程的核心,大多数模式识别算法都采用稀疏表示来减小搜索空间的维数。为模式识别应用程序构造稀疏表示需要考虑相对于物理变形(如旋...
热度:22
Stéphane Mallat(洛桑联邦高等工业学院) 稀疏表示是许多低阶信号处理过程的核心,大多数模式识别算法都采用稀疏表示来减小搜索空间的维数。为模式识别应用程序构造稀疏表示需要考虑相对于物理变形(如旋...
热度:22
![](functions/showpic.php?filename=2016070701143872.png)
An integrated generative and discriminative Bayesian model for binary classification[一种二元分类的集成生成和判别贝叶斯模型]
Keith James Harris(格拉斯哥大学) 样本数量要少得多。分析这些数据在统计学上具有挑战性,因为协变量之间高度相关,导致参数估计不稳定和预测不准确。为了解决这个问题,我们开发了一个统计模型,...
热度:70
Keith James Harris(格拉斯哥大学) 样本数量要少得多。分析这些数据在统计学上具有挑战性,因为协变量之间高度相关,导致参数估计不稳定和预测不准确。为了解决这个问题,我们开发了一个统计模型,...
热度:70
![](functions/showpic.php?filename=2016070903024720.png)
Spectral Clustering[谱聚类算法]
Arik Azran(剑桥大学) **机器学习教程讲座**光谱聚类是一种在数据中发现群结构的技术。它是基于将数据点作为连接图的节点来查看的,并通过将该图基于其光谱分解划分为具有某些期望属性...
热度:64
Arik Azran(剑桥大学) **机器学习教程讲座**光谱聚类是一种在数据中发现群结构的技术。它是基于将数据点作为连接图的节点来查看的,并通过将该图基于其光谱分解划分为具有某些期望属性...
热度:64
![](functions/showpic.php?filename=2016111106150132.png)
![](functions/showpic.php?filename=2016102007524374.png)
An Efficient Algorithm for a Class of Fused Lasso Problems[一种有效融合套索问题的高效算法]
Jun Liu(亚利桑那州立大学) 融合的套索惩罚在系数和它们的连续差异上都加强了稀疏性,这对于以某种有意义的方式排列特征的应用是可取的。然而,由此产生的问题是很难解决的,因为融合的套索...
热度:48
Jun Liu(亚利桑那州立大学) 融合的套索惩罚在系数和它们的连续差异上都加强了稀疏性,这对于以某种有意义的方式排列特征的应用是可取的。然而,由此产生的问题是很难解决的,因为融合的套索...
热度:48
![](functions/showpic.php?filename=2017010207272012.png)