論文の概要: HMC, an example of Functional Analysis applied to Algorithms in Data
Mining. The convergence in $L^p$
- arxiv url: http://arxiv.org/abs/2101.08688v1
- Date: Thu, 21 Jan 2021 15:59:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 07:58:33.542262
- Title: HMC, an example of Functional Analysis applied to Algorithms in Data
Mining. The convergence in $L^p$
- Title(参考訳): hmcは、データマイニングのアルゴリズムに適用された関数解析の例である。
l^p$ における収束
- Authors: Soumyadip Ghosh, Yingdong Lu, Tomasz Nowicki
- Abstract要約: 我々はこのアルゴリズムを密度関数上の作用素として表現し、この作用素の反復の収束を$Lp$, $1pinfty$, and strong convergence for $2le pinfty$とする。
- 参考スコア(独自算出の注目度): 3.562271099341746
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a proof of convergence of the Hamiltonian Monte Carlo algorithm in
terms of Functional Analysis. We represent the algorithm as an operator on the
density functions, and prove the convergence of iterations of this operator in
$L^p$, for $1<p<\infty$, and strong convergence for $2\le p<\infty$.
- Abstract(参考訳): 本稿では,ハミルトニアンモンテカルロアルゴリズムの関数解析による収束の証明を示す。
このアルゴリズムを密度関数上の作用素として表現し、この作用素の反復の収束を$L^p$, $1<p<\infty$, and strong convergence for $2\le p<\infty$とする。
関連論文リスト
- Extending the Reach of First-Order Algorithms for Nonconvex Min-Max
Problems with Cohypomonotonicity [20.710343135282123]
我々は$fracKMLotonicity が弱MVrhon$coords または弱MVrhonLotonicity または弱MVrhonKML$ を保証することを予想する。
また、同じ範囲の$$の場合には、アルゴリズムや複雑性の保証も提供します。
論文 参考訳(メタデータ) (2024-02-07T18:22:41Z) - On Convergence of Incremental Gradient for Non-Convex Smooth Functions [63.51187646914962]
機械学習とネットワーク最適化では、ミスの数と優れたキャッシュを最小化するため、シャッフルSGDのようなアルゴリズムが人気である。
本稿では任意のデータ順序付けによる収束特性SGDアルゴリズムについて述べる。
論文 参考訳(メタデータ) (2023-05-30T17:47:27Z) - Differentially-Private Hierarchical Clustering with Provable
Approximation Guarantees [79.59010418610625]
階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。
例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。
本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-31T19:14:30Z) - An Optimal Stochastic Algorithm for Decentralized Nonconvex Finite-sum
Optimization [25.21457349137344]
私たちは、DEARESTが少なくとも$mathcal O(+sqrtmnLvarepsilon-2)$ 1次オラクル(IFO)コールと$mathcal O(Lvarepsilon-2/sqrt1-lambda_W)$通信ラウンドを必要とすることを示す証拠を示します。
論文 参考訳(メタデータ) (2022-10-25T11:37:11Z) - Robust Sparse Mean Estimation via Sum of Squares [48.07596965953344]
本研究では,高次元スパース平均推定の問題点を,逆数外乱の$epsilon$-fractionの存在下で検討する。
我々のアルゴリズムは、サム・オブ・スクエア(Sum-of-Squares)ベースのアルゴリズムアプローチに従う。
論文 参考訳(メタデータ) (2022-06-07T16:49:54Z) - Parameter-free Stochastic Optimization of Variationally Coherent
Functions [19.468067110814808]
我々は$mathbbRdilon上で関数のクラスを1次最適化するためのアルゴリズムを設計・解析する。
この2つを同時に実現したのは初めてである。
論文 参考訳(メタデータ) (2021-01-30T15:05:34Z) - On Convergence of Gradient Expected Sarsa($\lambda$) [25.983112169543375]
オフライン推定(マルチステップブートストラップ)を$mathttexpectedsarsa(lambda)$に適用することはオフポリシ学習において不安定であることを示す。
収束する$mathttgradientexpectedsarsa(lambda)$ ($mathttges(lambda)$)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-12-14T01:27:24Z) - Streaming Complexity of SVMs [110.63976030971106]
本稿では,ストリーミングモデルにおけるバイアス正規化SVM問題を解く際の空間複雑性について検討する。
両方の問題に対して、$frac1lambdaepsilon$の次元に対して、$frac1lambdaepsilon$よりも空間的に小さいストリーミングアルゴリズムを得ることができることを示す。
論文 参考訳(メタデータ) (2020-07-07T17:10:00Z) - Continuous Submodular Maximization: Beyond DR-Submodularity [48.04323002262095]
最初に、バニラ座標の昇華の単純な変種を証明し、Coordinate-Ascent+ と呼ぶ。
次にCoordinate-Ascent++を提案し、同じ回数のイテレーションを実行しながら(1-1/e-varepsilon)$-approximationを保証する。
Coordinate-Ascent++の各ラウンドの計算は容易に並列化でき、マシン当たりの計算コストは$O(n/sqrtvarepsilon+nlog n)$である。
論文 参考訳(メタデータ) (2020-06-21T06:57:59Z) - Spectral density estimation with the Gaussian Integral Transform [91.3755431537592]
スペクトル密度作用素 $hatrho(omega)=delta(omega-hatH)$ は線形応答論において中心的な役割を果たす。
スペクトル密度を近似する近似量子アルゴリズムについて述べる。
論文 参考訳(メタデータ) (2020-04-10T03:14:38Z)
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。