Fugu-MT 論文翻訳(概要): On principal component analysis of the convex combination of two data matrices and its application to acoustic metamaterial filters

論文の概要: On principal component analysis of the convex combination of two data matrices and its application to acoustic metamaterial filters

arxiv url: http://arxiv.org/abs/2104.07054v2
Date: Fri, 16 Apr 2021 11:42:22 GMT
ステータス: 処理完了
システム内更新日: 2023-04-05 08:33:39.388071
Title: On principal component analysis of the convex combination of two data matrices and its application to acoustic metamaterial filters
Title（参考訳）: 2つのデータ行列の凸結合の主成分分析と音響メタマテリアルフィルタへの応用について
Authors: Giorgio Gnecco, Andrea Bacigalupo
Abstract要約: 本稿では,主成分分析により得られた固有値に束縛された行列について検討する。理論的解析の多目的最適化問題への応用を概説する。
参考スコア（独自算出の注目度）: 0.6091702876917279
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this short paper, a matrix perturbation bound on the eigenvalues found by principal component analysis is investigated, for the case in which the data matrix on which principal component analysis is performed is a convex combination of two data matrices. The application of the theoretical analysis to multi-objective optimization problems (e.g., those arising in the design of acoustic metamaterial filters) is briefly discussed, together with possible extensions.
Abstract（参考訳）: 本稿では,主成分分析により得られた固有値に束縛された行列摂動について,主成分分析を行うデータ行列が2つのデータ行列の凸結合である場合について検討する。多目的最適化問題(例えば音響メタマテリアルフィルタの設計における問題)に対する理論的解析の適用については,拡張可能性とともに概説した。

関連論文リスト

Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
論文参考訳（メタデータ） (2024-04-15T12:38:46Z)
Analysis of singular subspaces under random perturbations [3.6626323701161665]
私たちは、任意のユニタリ不変行列ノルムに適用できる、完全に一般化された方法でデイビス=カーン=ヴェーディンの定理を拡張する。本稿では,ガウス混合モデルとサブマトリクス局所化問題の文脈において,これらの知見の実用的意義について考察する。
論文参考訳（メタデータ） (2024-03-14T08:30:25Z)
Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
論文参考訳（メタデータ） (2024-02-14T16:10:42Z)
Robust bilinear factor analysis based on the matrix-variate $t$ distribution [2.6530267536011913]
$t$ディストリビューション($t$fa)に基づく因子分析は、重み付きまたは汚染されたデータの一般的な要因を抽出するのに有用である。本稿では,$t$分布(t$bfa)に基づく新しいロバストな因子分析モデルを提案する。重み付き行列データや汚染された行列データに対して、行変数と列変数の両方の共通要素を同時に抽出することができる。
論文参考訳（メタデータ） (2024-01-04T11:15:44Z)
Eigen Analysis of Self-Attention and its Reconstruction from Partial Computation [58.80806716024701]
ドット積に基づく自己注意を用いて計算した注意点のグローバルな構造について検討する。注意点の変動の大部分は低次元固有空間にあることがわかった。トークンペアの部分的な部分集合に対してのみスコアを計算し、それを用いて残りのペアのスコアを推定する。
論文参考訳（メタデータ） (2021-06-16T14:38:42Z)
Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文参考訳（メタデータ） (2021-04-19T00:41:43Z)
Minimax Estimation of Linear Functions of Eigenvectors in the Face of Small Eigen-Gaps [95.62172085878132]
固有ベクトル摂動解析は様々な統計データ科学の応用において重要な役割を果たす。未知の固有ベクトルの任意の線型関数の摂動を特徴付ける統計理論の一組を開発する。自然の「プラグイン」推定器に固有の非無視バイアス問題を緩和するために,非バイアス推定器を開発する。
論文参考訳（メタデータ） (2021-04-07T17:55:10Z)
Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。提案する最適化アルゴリズムを用いて効率的に解くことができる。
論文参考訳（メタデータ） (2021-03-24T21:17:17Z)
A Framework for Private Matrix Analysis [20.407204637672887]
我々は、スペクトル近似、主成分分析、線形回帰のための空間微分プライベートアルゴリズムを第1の効率$o(W)$で提供する。また、主成分分析の2つの重要な変種に対して、効率的な微分プライベートアルゴリズムを創出し、示す。
論文参考訳（メタデータ） (2020-09-06T08:01:59Z)
Projected Robust PCA with Application to Smooth Image Recovery [0.799536002595393]
低ランクと滑らかさは画像データ解析の鍵となる仮定である。我々は、プロジェクテッドロバストPCA(PRPCA)というフレームワークを開発する。我々は、PRPCAの統計的回復保証を明示し、特に古典的ロバストPCAを含む。
論文参考訳（メタデータ） (2020-07-21T11:23:30Z)
Nonconvex Matrix Completion with Linearly Parameterized Factors [10.163102766021373]
パラメトリック因子化は、部分空間や完了シミュレーションを含む重要な例を示す。また, 統一的非制約行列最適化法の有効性について述べる。
論文参考訳（メタデータ） (2020-03-29T22:40:47Z)

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。