Fugu-MT 論文翻訳(概要): Locality-sensitive hashing in function spaces

論文の概要: Locality-sensitive hashing in function spaces

arxiv url: http://arxiv.org/abs/2002.03909v1
Date: Mon, 10 Feb 2020 16:16:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 08:27:49.670427
Title: Locality-sensitive hashing in function spaces
Title（参考訳）: 関数空間における局所性に敏感なハッシュ
Authors: Will Shand and Stephen Becker
Abstract要約: 我々は、$mathbbRN$上のLSH関数を$Lp$空間に拡張できる2つの方法を提案する。提示されたハッシュスキームを用いて、1次元連続確率分布上のワッサーシュタイン距離のLSH族を構成する。
参考スコア（独自算出の注目度）: 6.316693022958221
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We discuss the problem of performing similarity search over function spaces. To perform search over such spaces in a reasonable amount of time, we use {\it locality-sensitive hashing} (LSH). We present two methods that allow LSH functions on $\mathbb{R}^N$ to be extended to $L^p$ spaces: one using function approximation in an orthonormal basis, and another using (quasi-)Monte Carlo-style techniques. We use the presented hashing schemes to construct an LSH family for Wasserstein distance over one-dimensional, continuous probability distributions.
Abstract（参考訳）: 本稿では,関数空間上で類似性探索を行う問題について論じる。このような空間を妥当な時間で探索するために、我々は {\displaystyle {\it locality-sensitive hashing} (lsh) を用いる。本論文では,$\mathbb{r}^n$ 上の lsh 関数を $l^p$ 空間に拡張する2つの方法を提案する。 1次元連続確率分布上のwasserstein距離のためのlshファミリを構成するために,提案ハッシュスキームを用いる。

関連論文リスト

On Computing Pairwise Statistics with Local Differential Privacy [55.81991984375959]
例えば$binomn2-1 sum_i ne j f(x_i, x_j)$, $x_i$ は$i$thユーザへの入力を表し、ローカルモデルでは差分プライバシ(DP)である。この定式化は、Kendallの$tau$ coefficient、Area Under Curve、Giniの平均差、Giniのエントロピーなどの重要なメトリクスをキャプチャする。
論文参考訳（メタデータ） (2024-06-24T04:06:09Z)
Provably Efficient Reinforcement Learning with Multinomial Logit Function Approximation [67.8414514524356]
本稿では,MNL関数近似を用いたMDPの新しいクラスについて検討し,状態空間上の確率分布の正当性を保証する。非線型関数の導入は、計算効率と統計効率の両方において大きな課題を提起する。我々は,$mathcalO(1)$$コストで同じ後悔を実現するアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-05-27T11:31:54Z)
Fourier Sliced-Wasserstein Embedding for Multisets and Measures [3.396731589928944]
ユークリッド空間に$mathbbRd$を超える多重集合と測度を埋め込む新しい方法を提案する。提案手法は,入力マルチセットの優れた表現を出力し,マルチセットデータの学習に実用的な利点をもたらすことを示す。
論文参考訳（メタデータ） (2024-05-26T11:04:41Z)
Fast Locality Sensitive Hashing with Theoretical Guarantee [5.635783105833339]
局所性に敏感なハッシュ(LSH)は、多くの機械学習タスクで広く使われている効果的なランダム化手法である。本稿では,l2 ノルムの下で,FastLSH という名前の簡易かつ効率的な LSH スキームを設計する。ランダムサンプリングとランダムプロジェクションを組み合わせることで、FastLSHは時間複雑性を O(n) から O(m) (mn) に還元する。実験結果から,FastLSHは回答の品質,空間占有,クエリ効率の面で,最先端技術と同等であることがわかった。
論文参考訳（メタデータ） (2023-09-27T08:21:38Z)
An Approximation Theory for Metric Space-Valued Functions With A View Towards Deep Learning [25.25903127886586]
任意のポーランド計量空間 $mathcalX$ と $mathcalY$ の間の連続写像の普遍函数近似器を構築する。特に、必要なディラック測度数は $mathcalX$ と $mathcalY$ の構造によって決定されることを示す。
論文参考訳（メタデータ） (2023-04-24T16:18:22Z)
Provably Efficient Reinforcement Learning via Surprise Bound [66.15308700413814]
本稿では,一般値関数近似を用いた効率の良い強化学習アルゴリズムを提案する。本アルゴリズムは, 線形設定と疎高次元線形設定の両方に適用した場合に, 合理的な後悔境界を達成できる。
論文参考訳（メタデータ） (2023-02-22T20:21:25Z)
Unsupervised Hashing with Similarity Distribution Calibration [127.34239817201549]
教師なしハッシュ法は、特徴空間内のデータポイント間の類似性をバイナリハッシュコードにマッピングすることで保存することを目的としている。これらの方法は、連続的な特徴空間におけるデータポイント間の類似性が離散的なハッシュコード空間に保存されないという事実をしばしば見落としている。類似性範囲はコードの長さによって制限され、類似性崩壊と呼ばれる問題を引き起こす可能性がある。本稿では,この問題を緩和する新しい類似度分布法を提案する。
論文参考訳（メタデータ） (2023-02-15T14:06:39Z)
Scalable Differentially Private Clustering via Hierarchically Separated Trees [82.69664595378869]
我々は,最大$O(d3/2log n)cdot OPT + O(k d2 log2 n / epsilon2)$,$epsilon$はプライバシ保証であることを示す。最悪の場合の保証は、最先端のプライベートクラスタリング手法よりも悪いが、提案するアルゴリズムは実用的である。
論文参考訳（メタデータ） (2022-06-17T09:24:41Z)
Linear Hashing with $\ell_\infty$ guarantees and two-sided Kakeya bounds [0.8594140167290096]
有限体上のランダムに選択された線型写像が $ell_infty$ の意味でよいハッシュ関数を与えることを示す。負荷分散文献[RS98]からの既知のバウンダリにより、この結果は厳密であり、線形関数とトラリーランダム関数がエントロピー損失の定数因子であることを示す。
論文参考訳（メタデータ） (2022-04-04T17:21:10Z)
Agnostic Reinforcement Learning with Low-Rank MDPs and Rich Observations [79.66404989555566]
我々は、リッチな観測空間を持つより現実的な非依存的RLの設定と、近似的ポリシーを含まないような固定されたポリシーのクラス$Pi$を考える。我々は,MDPの階数$d$の誤差が有界な設定のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-22T03:20:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。