境外开放课程——按学科专业列表
开放课程→自然科学→数学→数学分析::

1
Mondrian forests: Efficient random forests for streaming data via Bayesian nonparametrics[蒙德里安森林：通过贝叶斯非参数数据流的有效随机森林]
  Yee Whye Teh(牛津大学) 随机决策树的集合被广泛用于机器学习和统计学中的分类和回归任务。它们实现了有竞争力的预测性能，并且在训练（批量设置）和测试方面具有计算效率，这使它们成为...
热度：114

2
Recent Results on Lieb-Thirring Inequalities[Lieb-Thirring 不等式的最新结果]
  Rupert Frank(路德维希-马克西米利安大学 ) Lieb-Thirring 不等式是量子力学中不确定性和排除原理的数学表达。 自 1975 年发现以来，它们在分析和数学物理的多个领域发挥了重要作用。 我们对这个主题的经典...
热度：92

3
Looking at Euler flows through a contact mirror: Universality and Turing completeness[通过接触镜看欧拉流：普遍性和图灵完备性]
  Eva Miranda(巴黎狄德罗大学) 黎曼流形上无粘性和不可压缩流体流动的动力学由欧拉方程控制。最近，Tao [6, 7, 8] 启动了一个程序来解决基于普遍性概念的 Euler 和 Navier-Stokes 方程的全局存...
热度：42

4
Regularization methods in inverse problems and machine learning[逆问题和机器学习中的正则化方法]
   Martin Burger,(欧洲研究委员会 (ERC)) 正则化方法是解决逆问题的核心，在现代机器学习中越来越重要。 在本次演讲中，我们将讨论（非线性）正则化方法的现代理论和一些应用。 我们将特别关注变分和迭代...
热度：83

5
Convex integration and synthetic turbulence[凸积分和合成湍流]
   László Székelyhidi Jr.(莱比锡大学) 在过去的十年中，凸积分已被确立为一种强大且通用的技术，用于构造流体动力学中出现的各种非线性偏微分方程系统的弱解，包括欧拉和纳维-斯托克斯方程。以这种方...
热度：125

6
Mining Periodic Behaviors for Moving Objects[运动目标的周期行为挖掘]
  Zhenhui Jessie Li(宾夕法尼亚州立大学) 周期性是移动物体经常发生的现象。寻找周期性行为对于理解物体运动至关重要。然而，周期性行为可能很复杂，涉及多个交错周期、部分时间跨度以及时空噪声和异常值...
热度：62

7
CatchSync: Catching Synchronized Behavior in Large Directed Graphs[CatchSync：捕捉大型有向图中的同步行为]
  Meng Jiang(清华大学) 给定一个包含数百万个节点的有向图，我们如何仅根据其连接模式来自动发现异常、可疑的节点？可疑的图模式出现在许多应用程序中，从购买虚假关注者的 Twitter 用...
热度：278

8
Causal inference: from effects of interventions to learning and inference with partial observability.[因果推理：从干预的效果到部分可观察的学习和推理。]
   Ilya Shpitser(哈佛大学) 建立因果关系是经验科学发展的基础。因此，一种支持人类因果直觉的因果关系的通用数学理论对于形式化（也许有一天使科学探究自动化）至关重要。本教程将基于图形...
热度：54

9
Regularized Sparse Kernel Slow Feature Analysis[正则化稀疏核慢特征分析]
   Wendelin Böhmer(柏林大学) 本文开发了一种内核化的慢特征分析（SFA）算法。 SFA是一种无监督的学习方法，可以从时间序列中提取对潜在变量进行编码的特征。生成关系通常很复杂，并且当前的...
热度：76

10
Introduction to Hidden Markov Models[隐马尔可夫模型简介]
   Antonio Artés Rodríguez(马德里卡洛斯三世大学) 本讲座将概述隐马尔可夫模型（HMM），这是一种处理顺序数据的无处不在的工具。我们将向学生介绍估计隐藏状态和模型参数的不同方法。我们将考虑经典的以及参数性...
热度：39

11
Online Markov Decision Processes under Bandit Feedback[Bandit反馈下的在线Markov决策过程]
   Gergely Neu(INRIA研究机构) 我们考虑在有限的随机马尔可夫环境中进行在线学习，在每个随机步长中，每一个步长都会选择新的奖励函数。学习代理的目标是就获得的总奖励而言，与最佳固定策略竞...
热度：45

12
A Family of Penalty Functions for Structured Sparsity[结构稀疏的罚函数族]
  Jean Morales(伦敦大学) 我们研究了在稀疏模式结构的附加条件下学习稀疏线性回归向量的问题。我们提出了一系列凸罚函数，这些函数通过对回归系数的绝对值的一组约束对这种先验知识进行编...
热度：53

13
Scalable Structured Low Rank Matrix Optimization Problems[可扩展结构化低秩矩阵优化问题]
   Marco Signoretto(鲁汶大学) 我们考虑一类结构化的低秩矩阵优化问题。我们通过线性映射（称为突变）表示所需的结构，该线性映射可以编码矩阵，其中矩阵的条目划分为已知的不连续的组。我们的...
热度：71

14
Lecture 3: Summary Of Previous Lecture (Analyzing General Periodic Phenomena As A Sum Of Simple Periodic Phenomena)[第三讲：上节课的总结（把一般的周期现象分析为简单周期现象的总和）]
  Brad G. Osgood(斯坦福大学) 上一次，我说我们是通过求和来分析一般周期现象的第一步，几个组合，简单的积木的线性组合，简单的周期现象。所以让我提醒你我们做了什么，因为你必须意识到我们...
热度：37

15
Graphical Models via Generalized Linear Models[基于广义线性模型的图形模型]
   Eunho Yang(德克萨斯大学) 非定向图形模型或Markov网络（例如高斯图形模型和Ising模型）在各种应用中都很受欢迎。但是，在许多情况下，数据可能不遵循这些模型假设的高斯或二项式分布。通...
热度：62