热门境外开放课程排行榜
41
9.520 Statistical Learning Theory and Applications (MIT)[9.520统计学习理论与应用(麻省理工学院)]
(麻省理工学院) 从现代统计学习理论的角度着眼于监督学习问题,从稀疏数据的多元函数逼近理论入手。开发基本工具,例如正则化,包括用于回归和分类的支持向量机。使用稳定性和VC...
热度:446
(麻省理工学院) 从现代统计学习理论的角度着眼于监督学习问题,从稀疏数据的多元函数逼近理论入手。开发基本工具,例如正则化,包括用于回归和分类的支持向量机。使用稳定性和VC...
热度:446
42
Covariate Shift by Kernel Mean Matching[通过核转移变量均值匹配]
Arthur Gretton(伦敦大学学院) 给出了训练和测试数据的一组观测值,考虑了训练数据重新加权的问题,使其分布更接近于测试数据的分布。我们通过在高维特征空间(特别是复制的内核希尔伯特空间)...
热度:427
Arthur Gretton(伦敦大学学院) 给出了训练和测试数据的一组观测值,考虑了训练数据重新加权的问题,使其分布更接近于测试数据的分布。我们通过在高维特征空间(特别是复制的内核希尔伯特空间)...
热度:427
43
Lecture 22 - Tissue Engineering[第22讲-组织工程]
W. Mark Saltzman(耶鲁大学) Saltzman教授激发了对组织工程的需求,并描述了组织工程方法的基本要素。Saltzman教授定义了三种不同类型的组织移植:自体移植、同种异体移植和异种移植。为器官...
热度:424
W. Mark Saltzman(耶鲁大学) Saltzman教授激发了对组织工程的需求,并描述了组织工程方法的基本要素。Saltzman教授定义了三种不同类型的组织移植:自体移植、同种异体移植和异种移植。为器官...
热度:424
44
6.253 Convex Analysis and Optimization (MIT)[6.253凸分析与优化(麻省理工)]
Prof. Dimitri Bertsekas(麻省理工学院) 本课程将重点介绍凸性,对偶性和凸优化算法的基础主题。目的是利用一些易于可视化和易于理解的统一原则,开发连续优化,二元性和鞍点理论的核心分析和算法问题。
热度:417
Prof. Dimitri Bertsekas(麻省理工学院) 本课程将重点介绍凸性,对偶性和凸优化算法的基础主题。目的是利用一些易于可视化和易于理解的统一原则,开发连续优化,二元性和鞍点理论的核心分析和算法问题。
热度:417
45
Fast Euclidean Minimum Spanning Tree: Algorithm, Analysis, and Applications[快速欧氏最小生成树算法,分析,和应用程序]
William March(乔治亚理工学院) 欧几里德最小生成树问题在广泛的领域中有应用,并且已经开发了许多有效的算法来解决它。我们提出了一种新的,快速的,通用的EMST算法,其动机是对天文数据的聚类...
热度:415
William March(乔治亚理工学院) 欧几里德最小生成树问题在广泛的领域中有应用,并且已经开发了许多有效的算法来解决它。我们提出了一种新的,快速的,通用的EMST算法,其动机是对天文数据的聚类...
热度:415
46
8.08 Statistical Physics II (MIT)[8.08统计物理II(麻省理工学院)]
Prof. Xiao-Gang Wen(麻省理工学院) 本课程涵盖经典和量子系统的概率分布。主题包括:微正则,规范和宏规范分区函数以及相关的热力学势。还讨论了均相和异质系统的热力学平衡条件。该课程遵循8.044...
热度:407
Prof. Xiao-Gang Wen(麻省理工学院) 本课程涵盖经典和量子系统的概率分布。主题包括:微正则,规范和宏规范分区函数以及相关的热力学势。还讨论了均相和异质系统的热力学平衡条件。该课程遵循8.044...
热度:407
47
Interview with Fei-Fei Li[与李菲菲访谈]
Fei-Fei Li, Davor Orlič(普林斯顿大学) **在UIUC的ECE部门短暂停留后,李飞飞现在回到普林斯顿大学担任计算机科学系的助理教授,在那里她是视觉实验室的PI。** Videolectures.Net团队在CMU的匹兹堡与她...
热度:404
Fei-Fei Li, Davor Orlič(普林斯顿大学) **在UIUC的ECE部门短暂停留后,李飞飞现在回到普林斯顿大学担任计算机科学系的助理教授,在那里她是视觉实验室的PI。** Videolectures.Net团队在CMU的匹兹堡与她...
热度:404
48
Bayesian Gaussian process latent variable model[贝叶斯高斯过程潜变量模型]
Michalis K. Titsias(曼彻斯特大学) 我们引入变分推理框架来训练高斯过程潜变量模型,从而进行贝叶斯非线性降维。这种方法允许我们变分地积分高斯过程的输入变量,并计算非线性潜变量模型的精确边际...
热度:402
Michalis K. Titsias(曼彻斯特大学) 我们引入变分推理框架来训练高斯过程潜变量模型,从而进行贝叶斯非线性降维。这种方法允许我们变分地积分高斯过程的输入变量,并计算非线性潜变量模型的精确边际...
热度:402
49
Maximum Likelihood Rule Ensembles[最大似然规则集合]
Wojciech Kotlowski(波兹南理工大学) 提出了一种新的规则归纳算法, 通过概率估计来解决分类问题。决策规则的主要优点是简单且易于解释。虽然早期的规则归纳方法是基于顺序覆盖的, 但我们采用的方法是...
热度:402
Wojciech Kotlowski(波兹南理工大学) 提出了一种新的规则归纳算法, 通过概率估计来解决分类问题。决策规则的主要优点是简单且易于解释。虽然早期的规则归纳方法是基于顺序覆盖的, 但我们采用的方法是...
热度:402
50
15.070J Advanced Stochastic Processes (MIT)[高级随机过程(MIT)]
David Gamarnik(麻省理工学院) 这门课涵盖了随机过程的分析和建模。主题包括测量理论概率、鞅、过滤和停止定理、大偏差理论的元素、布朗运动和反射布朗运动、随机积分和Ito微积分以及泛函极限...
热度:402
David Gamarnik(麻省理工学院) 这门课涵盖了随机过程的分析和建模。主题包括测量理论概率、鞅、过滤和停止定理、大偏差理论的元素、布朗运动和反射布朗运动、随机积分和Ito微积分以及泛函极限...
热度:402