Fugu-MT 論文翻訳(概要): Algorithms for ridge estimation with convergence guarantees

論文の概要: Algorithms for ridge estimation with convergence guarantees

arxiv url: http://arxiv.org/abs/2104.12314v1
Date: Mon, 26 Apr 2021 01:57:04 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 14:51:00.733614
Title: Algorithms for ridge estimation with convergence guarantees
Title（参考訳）: 収束保証付きリッジ推定アルゴリズム
Authors: Wanli Qiao and Wolfgang Polonik
Abstract要約: 我々は、点雲からフィラメント構造を抽出することを検討する。フィラメントは、下層の密度の隆起線または高次元隆起としてモデル化される。我々は2つの新しいアルゴリズムを提案し,それらの収束に関する理論的保証を提供する。
参考スコア（独自算出の注目度）: 1.90365714903665
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The extraction of filamentary structure from a point cloud is discussed. The filaments are modeled as ridge lines or higher dimensional ridges of an underlying density. We propose two novel algorithms, and provide theoretical guarantees for their convergences. We consider the new algorithms as alternatives to the Subspace Constraint Mean Shift (SCMS) algorithm that do not suffer from a shortcoming of the SCMS that is also revealed in this paper.
Abstract（参考訳）: 点雲からのフィラメント構造抽出について考察した。フィラメントは、下層の密度の隆起線または高次元隆起としてモデル化される。我々は2つの新しいアルゴリズムを提案し,それらの収束に関する理論的保証を提供する。本稿では,本論文で明らかにされるscmの欠点を伴わない部分空間制約平均シフト (scms) アルゴリズムの代替案として,新しいアルゴリズムを提案する。

関連論文リスト

Indexed Minimum Empirical Divergence-Based Algorithms for Linear Bandits [55.938644481736446]
Indexed Minimum Empirical Divergence (IMED)は、マルチアームバンディット問題に対する非常に効果的なアプローチである。 UCBベースのアルゴリズムとトンプソンサンプリングを実証的に上回ることが観察されている。我々は、LinIMEDアルゴリズムのファミリーと呼ぶIMEDアルゴリズムの新しい線形バージョンを提案する。
論文参考訳（メタデータ） (2024-05-24T04:11:58Z)
Bounded Projection Matrix Approximation with Applications to Community Detection [1.8876415010297891]
我々は,新たな微分可能凸ペナルティを導入し,乗算器の交互方向法(ADMM)を導出する。数値実験により,アルゴリズムの競争相手に対する優位性を実証した。
論文参考訳（メタデータ） (2023-05-21T06:55:10Z)
Adaptive Stochastic Optimisation of Nonconvex Composite Objectives [2.1700203922407493]
一般化された複合ミラー降下アルゴリズムの一群を提案し,解析する。適応的なステップサイズでは、提案アルゴリズムは問題の事前知識を必要とせずに収束する。決定集合の低次元構造を高次元問題に活用する。
論文参考訳（メタデータ） (2022-11-21T18:31:43Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
Linear Convergence of the Subspace Constrained Mean Shift Algorithm: From Euclidean to Directional Data [3.60425753550939]
SCMSアルゴリズムは、適応的なステップサイズを持つ部分空間制約付き勾配上昇アルゴリズムの特別な変種であると主張する。提案した方向性SCMSアルゴリズムの線形収束性を証明する。
論文参考訳（メタデータ） (2021-04-29T01:46:35Z)
An Asymptotically Optimal Primal-Dual Incremental Algorithm for Contextual Linear Bandits [129.1029690825929]
複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
論文参考訳（メタデータ） (2020-10-23T09:12:47Z)
Linear Convergent Decentralized Optimization with Compression [50.44269451541387]
圧縮を伴う既存の分散アルゴリズムは主にDGD型アルゴリズムの圧縮に焦点を当てている。原始双対アルゴリズムによって動機付けられた本論文は、最初のアンダーラインLinunderlineEAr収束を提案する。 underline Decentralized with compression, LEAD。
論文参考訳（メタデータ） (2020-07-01T04:35:00Z)
IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文参考訳（メタデータ） (2020-06-11T18:49:06Z)
SONIA: A Symmetric Blockwise Truncated Optimization Algorithm [2.9923891863939938]
本研究は, 経験的リスクに対する新しいアルゴリズムを提案する。このアルゴリズムは、一部分空間における二階探索型更新を計算し、1階探索法と2階探索法の間のギャップを埋める。
論文参考訳（メタデータ） (2020-06-06T19:28:14Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。