論文の概要: Asymptotic behavior of eigenvalues of large rank perturbations of large random matrices
- arxiv url: http://arxiv.org/abs/2507.12182v1
- Date: Wed, 16 Jul 2025 12:29:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.036452
- Title: Asymptotic behavior of eigenvalues of large rank perturbations of large random matrices
- Title(参考訳): 大きなランダム行列の大階摂動の固有値の漸近的挙動
- Authors: Ievgenii Afanasiev, Leonid Berlyand, Mariia Kiyashko,
- Abstract要約: この論文は、変形したウィグナーランダム行列に関するものである。
このような行列のスペクトルは、斬新な刈り込み技法の厳密なアンダーピンニングにおいて重要な役割を果たしている。
本稿では,ランクが上昇する際の分析を開発する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The paper is concerned with deformed Wigner random matrices. These matrices are closely connected with Deep Neural Networks (DNNs): weight matrices of trained DNNs could be represented in the form $R + S$, where $R$ is random and $S$ is highly correlated. The spectrum of such matrices plays a key role in rigorous underpinning of the novel pruning technique based on Random Matrix Theory. Mathematics has been done only for finite-rank matrix $S$. However, in practice rank may grow. In this paper we develop asymptotic analysis for the case of growing rank.
- Abstract(参考訳): この論文は、変形したウィグナーランダム行列に関するものである。
これらの行列はディープニューラルネットワーク(DNN)と密接に関連している:訓練されたDNNの重み行列は、$R + S$という形で表すことができ、$R$はランダムで$S$は高い相関関係を持つ。
このような行列のスペクトルは、ランダム行列理論に基づく新しいプルーニング技法の厳密なアンダーピンニングにおいて重要な役割を果たしている。
数学は有限ランク行列$S$に対してのみ行われる。
しかし、実際には階級が大きくなることもある。
本稿では,ランクの上昇にともなう漸近的分析手法を提案する。
関連論文リスト
- Optimal Quantization for Matrix Multiplication [35.007966885532724]
我々は、近似誤差を明確に保証したネスト格子に基づく普遍的量子化器を構築する。
我々の量子化器の実用的低複雑さバージョンは、非常に最適に近い性能を達成する。
論文 参考訳(メタデータ) (2024-10-17T17:19:48Z) - Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry [63.694184882697435]
グローバル共分散プーリング(GCP)は、高レベルの表現の2階統計を利用して、ディープニューラルネットワーク(DNN)の性能を向上させることが実証されている。
本稿では、リーマン幾何学の観点から行列対数とパワーの包括的かつ統一的な理解を提供する。
論文 参考訳(メタデータ) (2024-07-15T07:11:44Z) - On MDS Property of g-Circulant Matrices [3.069335774032178]
まず、インボリュート特性とMDS特性を持つ$g$循環行列について論じる。
すると、有限体からの成分を持つ$g$循環半帰納的行列と半直交行列を掘り下げる。
論文 参考訳(メタデータ) (2024-06-22T15:18:31Z) - Stochastic Rounding Implicitly Regularizes Tall-and-Thin Matrices [5.324425600601921]
我々は列よりも多くの行を持つ実$mathbfA$のニアネス丸めを考える。
高い確率で、円行列の最小特異値はゼロからかなり離れている。
我々は、ランダム行列理論における強力な結果と、丸め誤差が低次元列空間に集中しないという考えを利用する。
論文 参考訳(メタデータ) (2024-03-18T21:53:56Z) - One-sided Matrix Completion from Two Observations Per Row [95.87811229292056]
行列の欠落値を$XTX$で計算する自然アルゴリズムを提案する。
合成データの一方の回収と低被覆ゲノムシークエンシングについて,本アルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2023-06-06T22:35:16Z) - Largest Eigenvalues of the Conjugate Kernel of Single-Layered Neural
Networks [0.0]
最大固有値は、よく知られた線形確率行列のアンサンブルと同じ極限(確率)を持つことを示す。
これは機械学習の応用にとって大きな関心事かもしれない。
論文 参考訳(メタデータ) (2022-01-13T00:48:20Z) - When Random Tensors meet Random Matrices [50.568841545067144]
本稿では,ガウス雑音を伴う非対称次数-$d$スパイクテンソルモデルについて検討する。
検討したモデルの解析は、等価なスパイクされた対称テクシットブロック-ワイドランダム行列の解析に起因していることを示す。
論文 参考訳(メタデータ) (2021-12-23T04:05:01Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳(メタデータ) (2021-06-16T04:07:48Z) - Algebraic and geometric structures inside the Birkhoff polytope [0.0]
Birkhoff polytope $mathcalB_d$ は位数 $d$ のすべての双確率行列からなる。
我々は、$mathcalL_d$ と $mathcalF_d$ が平面行列に対して星型であることを証明する。
論文 参考訳(メタデータ) (2021-01-27T09:51:24Z) - Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。
我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-09-30T19:10:32Z) - Optimal Iterative Sketching with the Subsampled Randomized Hadamard
Transform [64.90148466525754]
最小二乗問題に対する反復スケッチの性能について検討する。
本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。
これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
論文 参考訳(メタデータ) (2020-02-03T16:17:50Z)
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。