Fugu-MT 論文翻訳(概要): One-shot Distibuted Algorithm for PCA with RBF Kernels

論文の概要: One-shot Distibuted Algorithm for PCA with RBF Kernels

arxiv url: http://arxiv.org/abs/2005.02664v3
Date: Thu, 29 Apr 2021 07:11:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 05:14:32.296690
Title: One-shot Distibuted Algorithm for PCA with RBF Kernels
Title（参考訳）: RBFカーネルを用いたPCAのためのワンショット分散アルゴリズム
Authors: Fan He, Kexin Lv, Jie Yang, Xiaolin Huang
Abstract要約: 提案アルゴリズムは,サンプル分散シナリオと特徴分散シナリオの二重関係に着想を得たものである。理論的には,線形カーネルとRBFカーネルの近似誤差を解析する。提案アルゴリズムは,固有値が高速に減衰すると,通信コストの低い高品質な結果が得られることを示す。
参考スコア（独自算出の注目度）: 23.266613551011638
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This letter proposes a one-shot algorithm for feature-distributed kernel PCA. Our algorithm is inspired by the dual relationship between sample-distributed and feature-distributed scenario. This interesting relationship makes it possible to establish distributed kernel PCA for feature-distributed cases from ideas in distributed PCA in sample-distributed scenario. In theoretical part, we analyze the approximation error for both linear and RBF kernels. The result suggests that when eigenvalues decay fast, the proposed algorithm gives high quality results with low communication cost. This result is also verified by numerical experiments, showing the effectiveness of our algorithm in practice.
Abstract（参考訳）: 本稿では,機能分散カーネルPCAのためのワンショットアルゴリズムを提案する。本アルゴリズムは,サンプル分散シナリオと特徴分散シナリオの二重関係に着想を得たものである。この興味深い関係により、サンプル分散シナリオにおける分散PCAのアイデアから、特徴分散ケースのための分散カーネルPCAを確立することができる。理論的には,線形カーネルとRBFカーネルの近似誤差を解析する。提案アルゴリズムは,固有値が高速に減衰すると,通信コストの低い高品質な結果が得られることを示す。この結果は数値実験でも検証され,本手法の有効性が示された。

関連論文リスト

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Fair principal component analysis (PCA): minorization-maximization algorithms for Fair PCA, Fair Robust PCA and Fair Sparse PCA [6.974999794070285]
公平なPCA(FPCA)問題を解決するために,新しい反復アルゴリズムを提案する。提案アルゴリズムはアルゴリズムの反復ごとに厳密であることが証明された半直交制約の緩和に依存する。本稿では,提案手法の性能を,合成データセットと実生活データセットの2つの最先端手法と比較する。
論文参考訳（メタデータ） (2023-05-10T08:14:32Z)
Plug-and-Play split Gibbs sampler: embedding deep generative priors in Bayesian inference [12.91637880428221]
本稿では, 後方分布から効率的にサンプリングするために, 可変分割を利用したプラグアンドプレイサンプリングアルゴリズムを提案する。後方サンプリングの課題を2つの単純なサンプリング問題に分割する。その性能は最近の最先端の最適化とサンプリング手法と比較される。
論文参考訳（メタデータ） (2023-04-21T17:17:51Z)
Distributed Robust Principal Analysis [0.0]
分散環境でのロバストな主成分分析問題について検討する。 DCF-PCAと呼ばれるコンセンサス因数分解に基づく最初の分散ロバストな主解析アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-24T05:45:07Z)
A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。ブレグマン最小化の発散の観点から一般的な枠組みを開発する。我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
論文参考訳（メタデータ） (2021-12-07T01:23:20Z)
Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
論文参考訳（メタデータ） (2021-02-23T18:56:13Z)
A Linearly Convergent Algorithm for Distributed Principal Component Analysis [12.91948651812873]
本稿では,1時間スケール分散pcaアルゴリズムである分散sanger's algorithm(dsa)を提案する。提案アルゴリズムは真の解の近傍に線形収束することを示した。
論文参考訳（メタデータ） (2021-01-05T00:51:14Z)
Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文参考訳（メタデータ） (2020-12-04T15:36:29Z)
Implicit Distributional Reinforcement Learning [61.166030238490634]
2つのディープジェネレータネットワーク(DGN)上に構築された暗黙の分布型アクター批判(IDAC) 半単純アクター (SIA) は、フレキシブルなポリシー分布を利用する。我々は,代表的OpenAI Gym環境において,IDACが最先端のアルゴリズムより優れていることを観察する。
論文参考訳（メタデータ） (2020-07-13T02:52:18Z)
Approximation Algorithms for Sparse Principal Component Analysis [57.5357874512594]
主成分分析(PCA)は、機械学習と統計学において広く使われている次元削減手法である。スパース主成分分析(Sparse principal Component Analysis)と呼ばれる,スパース主成分負荷を求める様々な手法が提案されている。本研究では,SPCA問題に対するしきい値の精度,時間,近似アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-23T04:25:36Z)
Fast Learning in Reproducing Kernel Krein Spaces via Signed Measures [31.986482149142503]
我々はこの質問を,強調指標を導入することで,分布視点として捉えた。一連の非PDカーネルは、特定の有限ボレル測度の線型結合に関連付けられる。特に、このソリューションは、大規模なサンプルケースで非PDカーネルをスケールするために、実際に計算的に実装可能である。
論文参考訳（メタデータ） (2020-05-30T12:10:35Z)

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。