論文の概要: Sparse Generalized Canonical Correlation Analysis: Distributed Alternating Iteration based Approach

• arxiv url: http://arxiv.org/abs/2004.10981v1
• Date: Thu, 23 Apr 2020 05:53:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 09:01:19.309900
• Title: Sparse Generalized Canonical Correlation Analysis: Distributed Alternating Iteration based Approach
• Title（参考訳）: スパース一般化正準相関解析:分散交互反復に基づくアプローチ
• Authors: Jia Cai, Kexin Lv, Junyi Huo, Xiaolin Huang, Jie Yang
• Abstract要約: Sparse Canonical correlation analysis (CCA) はスパース構造を用いた潜伏情報検出に有用な統計ツールである。 本稿では,多視点データとスパース構造との潜在関係を検出可能な一般標準相関解析(GCCA)を提案する。
• 参考スコア（独自算出の注目度）: 18.93565942407577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse canonical correlation analysis (CCA) is a useful statistical tool to detect latent information with sparse structures. However, sparse CCA works only for two datasets, i.e., there are only two views or two distinct objects. To overcome this limitation, in this paper, we propose a sparse generalized canonical correlation analysis (GCCA), which could detect the latent relations of multiview data with sparse structures. Moreover, the introduced sparsity could be considered as Laplace prior on the canonical variates. Specifically, we convert the GCCA into a linear system of equations and impose $\ell_1$ minimization penalty for sparsity pursuit. This results in a nonconvex problem on Stiefel manifold, which is difficult to solve. Motivated by Boyd's consensus problem, an algorithm based on distributed alternating iteration approach is developed and theoretical consistency analysis is investigated elaborately under mild conditions. Experiments on several synthetic and real world datasets demonstrate the effectiveness of the proposed algorithm.
• Abstract（参考訳）: Sparse Canonical correlation analysis (CCA) はスパース構造を用いた潜伏情報検出に有用な統計ツールである。 しかし、スパースCCAは2つのデータセット、すなわち2つのビューまたは2つの異なるオブジェクトに対してのみ機能する。 本稿では,この制限を克服するために,スパース構造を持つ多視点データの潜在関係を検出可能なスパース一般化正準相関解析(gcca)を提案する。 さらに、導入された空間は標準変量より先にラプラスと見なすことができる。 具体的には,GCCAを線形方程式系に変換し,空間探索のために$\ell_1$最小化ペナルティを課す。 これによりスティーフェル多様体上の非凸問題が発生し、解決は困難である。 ボイドのコンセンサス問題に動機づけられ,分散交互反復法に基づくアルゴリズムを開発し,軽度条件下で理論的一貫性解析を精査した。 いくつかの合成および実世界のデータセットに関する実験は、提案アルゴリズムの有効性を実証する。

関連論文リスト

• On the Stability of a non-hyperbolic nonlinear map with non-bounded set of non-isolated fixed points with applications to Machine Learning [31.263649000946014]
  本稿では,SUCPA(Semi Unsupervised through Prior Adaptation)アルゴリズムの収束解析について述べる。 収束解析は、アルゴリズムから導出される非線形写像の局所的および大域的安定性を研究することにより、力学系問題として対処される。
  論文  参考訳（メタデータ） (2024-01-05T20:04:40Z)
• SUnAA: Sparse Unmixing using Archetypal Analysis [62.997667081978825]
  本稿では, 古細菌スパルス解析(SUnAA)を用いた新しい地質学的エラーマップ手法を提案する。 まず,古細菌スパース解析(SunAA)に基づく新しいモデルの設計を行う。
  論文  参考訳（メタデータ） (2023-08-09T07:58:33Z)
• Exploiting Structure for Optimal Multi-Agent Bayesian Decentralized Estimation [4.320393382724066]
  ベイジアン分権データ融合の鍵となる課題は、噂の伝播(double counting)現象である。 マルチエージェント分散核融合問題における確率的独立構造を利用して、より厳密な境界を求めることができることを示す。 次に、大規模目標追跡シミュレーションを用いて、新しいモノリシックCIアルゴリズムを試験し、より厳密な境界とより正確な推定値が得られることを示す。
  論文  参考訳（メタデータ） (2023-07-20T05:16:33Z)
• Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
  我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。 新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。 反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
  論文  参考訳（メタデータ） (2022-12-06T12:42:11Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• Sparse GCA and Thresholded Gradient Descent [9.971356146653973]
  一般化相関解析(GCA)は、データセット間の線形関係を明らかにすることを目的としている。 データに複数の一般化された相関が存在する場合、スパースGAAについて検討する。 本稿では,GCA負荷ベクトルと勾配行列を高次元で推定するためのしきい値降下アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-01T11:15:20Z)
• Spatially relaxed inference on high-dimensional linear models [48.989769153211995]
  本研究では,空間的に制約されたクラスタリング,統計的推論,アンサンブルを組み合わせ,複数のクラスタリング推論解を集約するアンサンブルクラスタリング推論アルゴリズムの特性について検討する。 アンサンブルクラスタ推論アルゴリズムは,最大クラスター径に等しい$delta$-FWERの標準仮定で$delta$-FWERを制御することを示す。
  論文  参考訳（メタデータ） (2021-06-04T16:37:19Z)
• Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
  再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。 提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
  論文  参考訳（メタデータ） (2020-12-29T04:08:38Z)
• $\ell_0$-based Sparse Canonical Correlation Analysis [7.073210405344709]
  正準相関解析(CCA)モデルは、2つの変数の集合間の関連を研究する上で強力である。 その成功にもかかわらず、CCAモデルは、いずれかのモダリティにおける変数数がサンプル数を超えた場合、壊れる可能性がある。 本稿では,2つのモードのスパース部分集合に基づく相関表現の学習法である $ell_0$-CCA を提案する。
  論文  参考訳（メタデータ） (2020-10-12T11:44:15Z)
• Computationally efficient sparse clustering [67.95910835079825]
  我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。 ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
  論文  参考訳（メタデータ） (2020-05-21T17:51:30Z)
• Generalized Canonical Correlation Analysis: A Subspace Intersection Approach [30.475159163815505]
  Generalized Canonical correlation Analysis (GCCA)は、データマイニング、機械学習、人工知能に多くの応用を見出す重要なツールである。 本稿では,GCCAの本質を自然に捉えた(双線形)生成モデルに基づく,GCCAの新たな代数的視点を提供する。 大規模GCCAタスクを処理するためにスケールアップする部分空間交叉に基づく新しいGCCAアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-25T04:04:25Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。