1。组合优化:Alexander Schrijver,Springer,2003年,多面体和效率。2。近似算法的设计,David Williamson和David Shmoys,剑桥大学出版社,2010年。3。L.Lovász的半决赛程序和组合优化,载于:算法和组合学的最新进展(编辑B.A. Reed,C.L。 linhares-sales),CMS书籍数学。/ouvrages数学。 SMC 11,纽约施普林格(2003),137-194。 4。 Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。 5。 关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。。B.A.Reed,C.L。 linhares-sales),CMS书籍数学。/ouvrages数学。 SMC 11,纽约施普林格(2003),137-194。 4。 Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。 5。 关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。。Reed,C.L。linhares-sales),CMS书籍数学。/ouvrages数学。SMC 11,纽约施普林格(2003),137-194。4。Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。5。关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。
●项目匹配。此表格旨在协助课程研究项目的团队匹配过程。学生将指示他们的项目偏好和潜在的队友。我们将使用广场来帮助这一过程。●预先提前(10%)。预言是一份简短的1页文件,证实了您的团队并对您的研究项目提供了最初的想法。这包括您计划使用的数据集。●中期报告(30%)。中期报告应总结当前的研究进度,文献综述和初步结果。它还应该提供团队计划探索的研究想法的最新清单。●最终报告和演示文稿(60%)。最终报告应类似于研究论文,激发问题,提出新方法,描述实验并讨论结果。
课程:CSCI5370 课程 ID:002640 生效日期:2024-07-01 Crse 状态:有效 审批状态:已批准 [ 新课程 ] 量子计算 量子計算 本课程介绍量子计算中的以下主题:1.量子计算和通信模型;2.量子算法及其局限性;3.其他主题(量子通信、量子密码学、量子证明、量子纠错、量子霸权)。
2025年1月22日4 1.1简介。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.1.1工作人员。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.1.2课程哲学和后勤。。。。。。。。。。。。。。。。。。。。。。。。4 1.2什么是密码学?。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>5 1.3安全通信。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>6 1.3.1消息保密。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>7 1.3.2消息无情。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>91。1.3.3信号和汽车。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 1.4零知识证明。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 1.5完全同态加密。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>12 1.6安全多方计算。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 1.7进一步的主题。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>18 1.8 Q&A。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>18 div>
课程描述:在本课程中,将学生介绍到深神经网络的体系结构,即开发出来提取数据的高级特征表示的算法。除了神经网络的理论基础(包括反向传播和随机梯度下降)之外,学生还可以通过Python进行动手实践经验。课程中涵盖的主题包括图像分类,时间序列预测,文本矢量化(TF-IDF和Word2Vec),自然语言翻译,语音识别和深度强化学习。学生学习如何使用应用程序界面(API),例如Tensorflow和Keras来构建各种深神经网络:卷积神经网络(CNN),复发性神经网络(RNN),自组织图(SOM),生成对抗网络(GANS)和长期的短期记忆(LSTM)。某些模型将需要在Amazon Web Services(AWS)云中使用图形处理单元(GPU)启用的Amazon Machine Images(AMI)。
华张教授授予了克鲁奇奖学金和中国银行科学与技术创新奖教授华张教授,纳米材料的专家以及赫尔曼·胡科理学院化学学院的纳米材料教授的纳米材料教授,最近获得了两种著名的科学研究奖。 (stip)。 被授予Croucher高级研究奖学金,他将获得200万美元的研究工作赠款,并将放弃一年的所有教学和行政职责,以在香港从事全日制研究。 阅读更多华张教授授予了克鲁奇奖学金和中国银行科学与技术创新奖教授华张教授,纳米材料的专家以及赫尔曼·胡科理学院化学学院的纳米材料教授的纳米材料教授,最近获得了两种著名的科学研究奖。 (stip)。被授予Croucher高级研究奖学金,他将获得200万美元的研究工作赠款,并将放弃一年的所有教学和行政职责,以在香港从事全日制研究。阅读更多
在过去的几年中,深度神经网络(DNN)从根本上改变了人们对机器学习和处理实际问题的看法。DNN的成功范围从传统的AI领域,例如计算机视觉,自然语言处理,互动游戏,医疗保健和物理科学,到理论和应用领域的每个角落。另一方面,DNN仍然在很大程度上充当黑匣子,我们对它们何时以及为什么工作的理解只有非常有限的理解。本课程介绍了DNN,样本重要应用的基本成分,并围绕开放问题。重点是从第一原则和基本构建基础进行思考,因为该领域仍在迅速发展,没有什么不能改变的。
课程描述:击败游戏玩家或比人类更好地识别图像的深度学习模型是否也能帮助我们理解基因组学?这项跨学科研究将在多大程度上帮助我们治愈癌症?在基因组学数据以比摩尔定律更快的速度呈指数增长的时代(Berger 等人,2016 年),深度学习方法终于能够帮助解决该领域的基本问题。然而,这些令人兴奋的发展也面临着处理来自我们 DNA 的数据所特有的挑战。作为试图将深度学习与基因组学结合起来的研究人员,我们必须仔细考虑如何将这些模型有效地应用于基因组学任务。在我们的应用中使用深度学习是否合适?我们应该使用什么模型?我们的方法是否会提高我们对数据或问题的理解?在本课程中,您将通过阅读最近的研究文献并在课堂上讨论来回答这些问题。您将了解不同的基因组学任务、深度学习模型以及它们如何结合在一起。本课程旨在培养批判性思维,并允许学生共同应用这些模型。
CSCI U421算法的设计和分析3个学时概念和算法设计的基本策略;计算时间和内存要求的分析;计算复杂性理论(NP-HARD和NP完整);图形操纵算法(连接的组件,最小跨越树,旅行推销员,图表中的周期以及图形的着色);搜索算法(第一个深度,第一个,最佳和alpha-beta minimax);和计算算法(矩阵乘法,线性方程系统,表达评估和排序)。先决条件:CSCI U321中的C等级或更高;或讲师的同意。
2025 年春季课程目标:本课程全面、跨学科地介绍情感计算:即与情感相关、由情感产生或有意影响情感的计算。它概述了人类情感理论(它如何由认知、身体和社会环境产生并影响认知、身体和社会环境)、识别和合成情感行为的技术,并说明了如何将这些技术应用于应用程序设计。本课程适合对计算方法有一定了解的非计算机科学专业学生。学生将获得以人为本的计算理论和实践方面的坚实背景,因为它与决策、健康、娱乐和教育学有关。