論文の概要: Learning with Asymmetric Kernels: Least Squares and Feature Interpretation

• arxiv url: http://arxiv.org/abs/2202.01397v1
• Date: Thu, 3 Feb 2022 04:16:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-05 00:27:31.744723
• Title: Learning with Asymmetric Kernels: Least Squares and Feature Interpretation
• Title（参考訳）: 非対称カーネルによる学習:最小二乗と特徴解釈
• Authors: Mingzhen He, Fan He, Lei Shi, Xiaolin Huang and Johan A.K. Suykens
• Abstract要約: 非対称核は、例えば条件確率や有向グラフに対して、実世界で自然に存在する。 本稿では、AsK-LSという最小二乗支援ベクトルマシンのフレームワークにおける非対称なカーネルベース学習について述べる。 AsK-LSが非対称な特徴、すなわちソースとターゲットの特徴で学習できることを示し、カーネルのトリックは依然として適用可能である。
• 参考スコア（独自算出の注目度）: 28.82444091193872
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Asymmetric kernels naturally exist in real life, e.g., for conditional probability and directed graphs. However, most of the existing kernel-based learning methods require kernels to be symmetric, which prevents the use of asymmetric kernels. This paper addresses the asymmetric kernel-based learning in the framework of the least squares support vector machine named AsK-LS, resulting in the first classification method that can utilize asymmetric kernels directly. We will show that AsK-LS can learn with asymmetric features, namely source and target features, while the kernel trick remains applicable, i.e., the source and target features exist but are not necessarily known. Besides, the computational burden of AsK-LS is as cheap as dealing with symmetric kernels. Experimental results on the Corel database, directed graphs, and the UCI database will show that in the case asymmetric information is crucial, the proposed AsK-LS can learn with asymmetric kernels and performs much better than the existing kernel methods that have to do symmetrization to accommodate asymmetric kernels.
• Abstract（参考訳）: 非対称核は、例えば条件確率や有向グラフに対して、実世界で自然に存在する。 しかし、既存のカーネルベースの学習方法の多くは、非対称カーネルの使用を防止するために、カーネルを対称にする必要がある。 本稿では、AsK-LSと呼ばれる最小二乗支援ベクトルマシンのフレームワークにおける非対称カーネルベースの学習について述べる。 AsK-LSが非対称な特徴、すなわち、ソースとターゲットの特徴で学習できることを示し、カーネルのトリックは依然として適用可能である、すなわち、ソースとターゲットの特徴は存在するが、必ずしも知られていない。 さらに、AsK-LSの計算負担は対称カーネルの処理と同じくらい安価である。 Corelデータベース、有向グラフ、UCIデータベースの実験結果から、非対称情報が重要である場合、提案したAsK-LSは非対称なカーネルで学習でき、非対称なカーネルに適応するために対称性を持たなければならない既存のカーネルメソッドよりもはるかに優れた性能を示す。

関連論文リスト

• Geometric Learning with Positively Decomposable Kernels [7.155139483398897]
  本稿では、正の分解を許容するカーネルのみを必要とするカーネルKrein空間(RKKS)を再現する手法を提案する。 RKKSで学習するためには、この分解にアクセスする必要はない。
  論文  参考訳（メタデータ） (2023-10-20T21:18:04Z)
• Nonlinear SVD with Asymmetric Kernels: feature learning and asymmetric Nystr\"om method [14.470859959783995]
  非対称データは、有向グラフのような実世界で自然に存在する。 本稿では,非対称なカーネルベース学習問題に取り組む。 実験により、非対称なKSVDはメルサー・ケルネルよりも優れた特徴を学習することが示された。
  論文  参考訳（メタデータ） (2023-06-12T11:39:34Z)
• Random Fourier Features for Asymmetric Kernels [24.20121243104385]
  4つの有限正測度に対応する実部と虚部を持つ複素測度を導入し、ボヒナーの定理の適用範囲を広げる。 このフレームワークは、1つの正測度、対称で非正定定定定定定測度、複素測度で非対称核を扱える。 AsK-RFFs法は、いくつかの典型的な大規模データセットに対して実験的に検証され、有望なカーネル近似性能を実現する。
  論文  参考訳（メタデータ） (2022-09-18T03:39:18Z)
• Local Sample-weighted Multiple Kernel Clustering with Consensus Discriminative Graph [73.68184322526338]
  マルチカーネルクラスタリング(MKC)は、ベースカーネルの集合から最適な情報融合を実現するためにコミットされる。 本稿では,新しい局所サンプル重み付きマルチカーネルクラスタリングモデルを提案する。 実験により, LSWMKCはより優れた局所多様体表現を有し, 既存のカーネルやグラフベースのクラスタリングアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-07-05T05:00:38Z)
• SOCKS: A Stochastic Optimal Control and Reachability Toolbox Using Kernel Methods [0.0]
  SOCKSは、カーネルメソッドに基づいたデータ駆動の最適制御ツールボックスである。 我々は、SOCKSの主な特徴を示し、いくつかのベンチマークでその能力を実証する。
  論文  参考訳（メタデータ） (2022-03-12T00:09:08Z)
• Meta-Learning Hypothesis Spaces for Sequential Decision-making [79.73213540203389]
  オフラインデータ(Meta-KeL)からカーネルをメタ学習することを提案する。 穏やかな条件下では、推定されたRKHSが有効な信頼セットを得られることを保証します。 また,ベイズ最適化におけるアプローチの有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2022-02-01T17:46:51Z)
• A Note on Optimizing Distributions using Kernel Mean Embeddings [94.96262888797257]
  カーネル平均埋め込みは、その無限次元平均埋め込みによる確率測度を表す。 カーネルが特徴的である場合、カーネルの総和密度を持つ分布は密度が高いことを示す。 有限サンプル設定でそのような分布を最適化するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2021-06-18T08:33:45Z)
• Taming Nonconvexity in Kernel Feature Selection---Favorable Properties of the Laplace Kernel [77.73399781313893]
  カーネルベースの特徴選択の客観的機能を確立することが課題である。 非言語最適化に利用可能な勾配に基づくアルゴリズムは、局所ミニマへの収束を保証できるだけである。
  論文  参考訳（メタデータ） (2021-06-17T11:05:48Z)
• Symmetric and antisymmetric kernels for machine learning problems in quantum physics and chemistry [0.3441021278275805]
  従来のカーネルのシンメトリゼーションとアンチシンメトリゼーションにより、対称カーネルと反対称カーネルを導出する。 対称性や反対称性を利用することで、トレーニングデータセットのサイズを大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2021-03-31T17:32:27Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• Isolation Distributional Kernel: A New Tool for Point & Group Anomaly Detection [76.1522587605852]
  分離分散カーネル(IDK)は2つの分布の類似性を測定する新しい方法である。 我々は、カーネルベースの異常検出のための新しいツールとして、IDKの有効性と効率を示す。
  論文  参考訳（メタデータ） (2020-09-24T12:25:43Z)

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。