图 书 馆境外开放课程——最近更新(30天)
101
102
103
104
105
106
107
108
109
110
101Monitoring Manhattan is traffic from 5 cameras?[通过5个摄像头监控曼哈顿的交通？]
Siheng Chen(KDD 2016研讨会) 有可能在曼哈顿的几个十字路口监控整个交通吗？本文提出了一系列新的图形数据处理技术来处理复杂和非光滑的交通数据。然后，我们在2014年和2015年期间在曼哈顿的...
更新时间：2025-04-29 09:34:57
Siheng Chen(KDD 2016研讨会) 有可能在曼哈顿的几个十字路口监控整个交通吗？本文提出了一系列新的图形数据处理技术来处理复杂和非光滑的交通数据。然后，我们在2014年和2015年期间在曼哈顿的...
更新时间：2025-04-29 09:34:57
102From Averaging to Acceleration, There is Only a Step-size[从平均到加速，只有一个步长]
Nicolas Flammarion() 我们证明了非强凸问题的加速梯度下降法、平均梯度下降法和重球法可以重新表述为常参数二阶差分方程算法，其中系统的稳定性等价于以速率O（1/n^2）收敛，其中n为...
更新时间：2025-04-29 09:34:49
Nicolas Flammarion() 我们证明了非强凸问题的加速梯度下降法、平均梯度下降法和重球法可以重新表述为常参数二阶差分方程算法，其中系统的稳定性等价于以速率O（1/n^2）收敛，其中n为...
更新时间：2025-04-29 09:34:49
103Hierarchical label queries with data-dependent partitions[具有数据相关分区的分层标签查询]
Samory Kpotufe() 给定一个联合分布$P_{X, Y}$在空间$\X$和标签集$\Y=\括号{0,1}$上，我们考虑用尽可能少的标签查询来恢复未标记样本的标签的问题。回收的标签可以传递给被动学习...
更新时间：2025-04-29 09:34:39
Samory Kpotufe() 给定一个联合分布$P_{X, Y}$在空间$\X$和标签集$\Y=\括号{0,1}$上，我们考虑用尽可能少的标签查询来恢复未标记样本的标签的问题。回收的标签可以传递给被动学习...
更新时间：2025-04-29 09:34:39
104Generalized Mixability via Entropic Duality[基于熵对偶的广义可混性]
Mark Reid() 可混性是损失的一种性质，它表现在与专家建议进行预测的博弈中可能出现快速收敛的情况。我们证明了可混性的一个关键性质是一般化的，并且通常理论中存在的$\exp$...
更新时间：2025-04-29 09:34:32
Mark Reid() 可混性是损失的一种性质，它表现在与专家建议进行预测的博弈中可能出现快速收敛的情况。我们证明了可混性的一个关键性质是一般化的，并且通常理论中存在的$\exp$...
更新时间：2025-04-29 09:34:32
105Semantic multimedia remixing[语义多媒体混合]
Benoit Huet , Raphaël Troncy() 我们很高兴地宣布第一版多媒体处理和应用冬季学校。 冬季学校旨在为来自世界各地的参与者（包括博士/硕士生和年轻研究人员）提供多媒体处理（媒体分析、媒体注...
更新时间：2025-04-29 09:34:22
Benoit Huet , Raphaël Troncy() 我们很高兴地宣布第一版多媒体处理和应用冬季学校。 冬季学校旨在为来自世界各地的参与者（包括博士/硕士生和年轻研究人员）提供多媒体处理（媒体分析、媒体注...
更新时间：2025-04-29 09:34:22
106From Averaging to Acceleration, There is Only a Step-size[从平均到加速，只有一个步长]
Nicolas Flammarion() 我们证明了非强凸问题的加速梯度下降法、平均梯度下降法和重球法可以重新表述为常参数二阶差分方程算法，其中系统的稳定性等价于以速率O（1/n^2）收敛，其中n为...
更新时间：2025-04-28 09:44:53
Nicolas Flammarion() 我们证明了非强凸问题的加速梯度下降法、平均梯度下降法和重球法可以重新表述为常参数二阶差分方程算法，其中系统的稳定性等价于以速率O（1/n^2）收敛，其中n为...
更新时间：2025-04-28 09:44:53
107Improving Data Mining Utility with Projective Sampling[利用投影抽样改进数据挖掘工具]
Mark Last() 数据挖掘过程的整体性能不仅取决于归纳知识的价值，还取决于过程本身的各种成本，如获取和预处理训练示例的成本、模型归纳的CPU成本和犯错误的成本。最近，为了...
更新时间：2025-04-28 09:44:41
Mark Last() 数据挖掘过程的整体性能不仅取决于归纳知识的价值，还取决于过程本身的各种成本，如获取和预处理训练示例的成本、模型归纳的CPU成本和犯错误的成本。最近，为了...
更新时间：2025-04-28 09:44:41
108Improved Sum-of-Squares Lower Bounds for Hidden Clique and Hidden Submatrix Problems[隐团和隐子阵问题的改进平方和下界]
Yash Deshpande() 给定一个大数据矩阵$ a \in\实数^{n\乘以n}$，我们考虑确定其元素是否为已知边际分布$ a的i.i.d的问题_{ij} \ sim P_0$，或者代替$A$包含主子矩阵$A_{\sC,\sC}$...
更新时间：2025-04-28 09:44:33
Yash Deshpande() 给定一个大数据矩阵$ a \in\实数^{n\乘以n}$，我们考虑确定其元素是否为已知边际分布$ a的i.i.d的问题_{ij} \ sim P_0$，或者代替$A$包含主子矩阵$A_{\sC,\sC}$...
更新时间：2025-04-28 09:44:33
109Label optimal regret bounds for online local learning[标记在线本地学习的最佳后悔界限]
Andrej Risteski() 我们解决了Christiano （2014b）在COLT ' 14中提出的关于在线局部学习可实现的后悔对标签集大小的最优依赖的开放性问题。在这个框架中，算法在每一步中显示一对...
更新时间：2025-04-28 09:44:20
Andrej Risteski() 我们解决了Christiano （2014b）在COLT ' 14中提出的关于在线局部学习可实现的后悔对标签集大小的最优依赖的开放性问题。在这个框架中，算法在每一步中显示一对...
更新时间：2025-04-28 09:44:20
110Interactive Fingerprinting Codes and the Hardness of Preventing False Discovery[交互式指纹码和防止错误发现的难度]
Thomas Steinke() 我们展示了自适应选择的统计查询数量的一个本质上的紧密界限，计算效率高的算法可以准确地回答给定n个来自未知分布的样本。统计查询请求谓词对底层分布的期望，...
更新时间：2025-04-28 09:44:11
Thomas Steinke() 我们展示了自适应选择的统计查询数量的一个本质上的紧密界限，计算效率高的算法可以准确地回答给定n个来自未知分布的样本。统计查询请求谓词对底层分布的期望，...
更新时间：2025-04-28 09:44:11