图 书 馆境外开放课程——最近更新(30天)
71
72
73
74
75
76
77
78
79
80
71Sparse plus low-rank graphical models of time series for functional connectivity in MEG[MEG中函数连接的稀疏加低阶时间序列图形模型]
Rahul Nadkarni(KDD 2016研讨会) 由于其在各种应用领域的重要性，从高维观测中推断图形模型已成为机器学习和统计学中的一个重要问题。一个这样的应用是从神经成像数据（如脑磁图（MEG）记录）推...
更新时间：2025-05-09 10:36:55
Rahul Nadkarni(KDD 2016研讨会) 由于其在各种应用领域的重要性，从高维观测中推断图形模型已成为机器学习和统计学中的一个重要问题。一个这样的应用是从神经成像数据（如脑磁图（MEG）记录）推...
更新时间：2025-05-09 10:36:55
72Time Lag Concerned Dynamic Dependency Network Structure Learning[时滞相关动态依赖网络结构学习]
Lei Han(KDD 2016研讨会) 表征和理解网络的结构和演化是许多不同领域的重要问题。而在现实世界的网络中，特别是在空间网络中，由于节点之间的空间距离和传播速度不同，将影响从一个节点传...
更新时间：2025-05-09 10:36:40
Lei Han(KDD 2016研讨会) 表征和理解网络的结构和演化是许多不同领域的重要问题。而在现实世界的网络中，特别是在空间网络中，由于节点之间的空间距离和传播速度不同，将影响从一个节点传...
更新时间：2025-05-09 10:36:40
73Stream Data Mining: A Big Data Perspective[流数据挖掘：大数据视角]
Latifur Khan(KDD 2016研讨会) 数据流是连续的数据流。数据流的示例包括网络流量、传感器数据、呼叫中心记录等。数据流展示了几个独特的属性，这些属性共同符合大数据的特征（即量、速度、多样...
更新时间：2025-05-09 10:36:28
Latifur Khan(KDD 2016研讨会) 数据流是连续的数据流。数据流的示例包括网络流量、传感器数据、呼叫中心记录等。数据流展示了几个独特的属性，这些属性共同符合大数据的特征（即量、速度、多样...
更新时间：2025-05-09 10:36:28
74Efficient Sampling for Gaussian Graphical Models via Spectral Sparsification[基于谱稀疏化的高斯图形模型有效采样]
Dehua Cheng() 基于计算统计推断的基本抽样问题，我们开发了一个基于谱稀疏化的工具集，用于涉及高斯抽样、矩阵泛函和可逆马尔可夫链的一系列基本问题。根据高斯图模型与谱图理...
更新时间：2025-05-09 10:36:19
Dehua Cheng() 基于计算统计推断的基本抽样问题，我们开发了一个基于谱稀疏化的工具集，用于涉及高斯抽样、矩阵泛函和可逆马尔可夫链的一系列基本问题。根据高斯图模型与谱图理...
更新时间：2025-05-09 10:36:19
75Efficient Learning of Linear Separators under Bounded Noise[有界噪声下线性分离器的高效学习]
Ruth Urner() 我们研究了$\Re^d$中存在有界（即Massart）噪声的线性分离器的可学习性。这是随机分类噪声模型的现实推广，其中对手可以以$\eta(x) \leq \eta$的概率翻转每个示...
更新时间：2025-05-09 10:36:01
Ruth Urner() 我们研究了$\Re^d$中存在有界（即Massart）噪声的线性分离器的可学习性。这是随机分类噪声模型的现实推广，其中对手可以以$\eta(x) \leq \eta$的概率翻转每个示...
更新时间：2025-05-09 10:36:01
76Ranking academic institutions on potential paper acceptance in upcoming conferences[对学术机构的潜在论文接受度进行排名]
Jobin Wilson(KDD 2016研讨会) 在即将召开的会议上对学术机构的潜在论文接受度进行排名
更新时间：2025-05-08 10:17:08
Jobin Wilson(KDD 2016研讨会) 在即将召开的会议上对学术机构的潜在论文接受度进行排名
更新时间：2025-05-08 10:17:08
77Space-Time Clustering with Stability Probe while Riding Downhill[下坡时使用稳定性探针进行时空聚类]
Xin Huang(KDD 2016研讨会) 我们提出了一种新的数据驱动程序，用于使用稳定性探测的概念在动态聚类算法中优化选择调整参数。由于稳定性探针动力学的形状，我们将新的聚类稳定性过程称为下坡...
更新时间：2025-05-08 10:17:01
Xin Huang(KDD 2016研讨会) 我们提出了一种新的数据驱动程序，用于使用稳定性探测的概念在动态聚类算法中优化选择调整参数。由于稳定性探针动力学的形状，我们将新的聚类稳定性过程称为下坡...
更新时间：2025-05-08 10:17:01
78Granger Causality Networks for Categorical Time Series[分类时间序列的Granger因果网络]
Alex Tank(KDD 2016研讨会) 我们提出了两种基于模型的方法来学习多元分类时间序列的格兰杰因果网络。我们的第一个建议是基于混合过渡分布（MTD）模型。传统上，MTD受到非凸目标、不可识别性...
更新时间：2025-05-08 10:16:55
Alex Tank(KDD 2016研讨会) 我们提出了两种基于模型的方法来学习多元分类时间序列的格兰杰因果网络。我们的第一个建议是基于混合过渡分布（MTD）模型。传统上，MTD受到非凸目标、不可识别性...
更新时间：2025-05-08 10:16:55
79Using Time Series Techniques to Forecast and Analyze Wake and Sleep Behavior[利用时间序列技术预测和分析觉醒和睡眠行为]
Jennifer A. Williams(KDD 2016研讨会) 智能家居技术为以非侵入性方式为个人提供医疗保健提供了许多好处。我们这项研究的目标是利用智能家居技术帮助人们从伤病中恢复或应对残疾，独立生活。在这篇论文...
更新时间：2025-05-08 10:16:48
Jennifer A. Williams(KDD 2016研讨会) 智能家居技术为以非侵入性方式为个人提供医疗保健提供了许多好处。我们这项研究的目标是利用智能家居技术帮助人们从伤病中恢复或应对残疾，独立生活。在这篇论文...
更新时间：2025-05-08 10:16:48
80The Great Time Series Classification Bake Off: An Experimental Evaluation of Recently Proposed Algorithms[大时间序列分类烘焙：对最近提出的算法的实验评估]
Jason Lines(KDD 2016研讨会) 在过去的五年里，文献中提出了大量新的时间序列分类算法。这些算法已经在加州大学河滨分校时间序列分类档案中的47个数据集的子集上进行了评估。该档案最近已扩展...
更新时间：2025-05-08 10:16:40
Jason Lines(KDD 2016研讨会) 在过去的五年里，文献中提出了大量新的时间序列分类算法。这些算法已经在加州大学河滨分校时间序列分类档案中的47个数据集的子集上进行了评估。该档案最近已扩展...
更新时间：2025-05-08 10:16:40