論文の概要: Large-scale semi-supervised learning with online spectral graph sparsification
- arxiv url: http://arxiv.org/abs/2604.26550v1
- Date: Wed, 29 Apr 2026 11:32:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.371312
- Title: Large-scale semi-supervised learning with online spectral graph sparsification
- Title（参考訳）: オンラインスペクトルグラフスパシフィケーションを用いた大規模半教師あり学習
- Authors: Daniele Calandriello, Alessandro Lazaric, Michal Valko,
- Abstract要約: 本稿では,O(n polylog(n))空間とO(m polylog(n))時間のみでSSL問題の解を計算できるスケーラブルアルゴリズムであるSparse-HFSを紹介する。
- 参考スコア（独自算出の注目度）: 69.32538992633842
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Sparse-HFS, a scalable algorithm that can compute solutions to SSL problems using only O(n polylog(n)) space and O(m polylog(n)) time.
- Abstract（参考訳）: 本稿では,O(n polylog(n))空間とO(m polylog(n))時間のみでSSL問題の解を計算できるスケーラブルアルゴリズムであるSparse-HFSを紹介する。
関連論文リスト
- PDHG-Unrolled Learning-to-Optimize Method for Large-Scale Linear Programming [36.13745722329505]
本稿では,大規模線形計画問題の解法として PDHG-Net と呼ばれる FOM-Unrolled Neural Network (NN) を提案する。
提案手法は,大規模LP問題に対するFOMと比較して,最大3ドル以上の高速化を実現することができることを示す。
論文 参考訳（メタデータ） (2024-06-04T02:39:42Z) - Can semi-supervised learning use all the data effectively? A lower bound
perspective [58.71657561857055]
半教師付き学習アルゴリズムはラベル付きデータを利用して教師付き学習アルゴリズムのラベル付きサンプル複雑性を改善することができることを示す。
我々の研究は、SSLアルゴリズムのパフォーマンス向上を証明することは可能だが、定数の注意深く追跡する必要があることを示唆している。
論文 参考訳（メタデータ） (2023-11-30T13:48:50Z) - Differentiable Multiple Shooting Layers [18.37758865401204]
多重ショット層 (MSL) は並列化可能なルートフィンディングアルゴリズムを用いて初期値問題の解を求める。
我々は,MSLのアルゴリズム的枠組みを開発し,理論的および計算的観点から解法の選択の相違を解析する。
医療データの時系列分類のためのニューラル制御微分方程式(ニューラルCDE)におけるMSL推論の適用による高速化について検討した。
論文 参考訳（メタデータ） (2021-06-07T18:05:44Z) - A Manifold Proximal Linear Method for Sparse Spectral Clustering with
Application to Single-Cell RNA Sequencing Data Analysis [9.643152256249884]
本稿では,SSCモデルを非滑らかかつ非客観的な最適化モデルとして広く採用している。
本研究では,従来のSSC問題を解く新しい手法(ManPL)を提案する。
提案手法の結果が得られた。
論文 参考訳（メタデータ） (2020-07-18T22:05:00Z) - Second-order Conditional Gradient Sliding [70.88478428882871]
本稿では,emphSecond-Order Conditional Gradient Sliding (SOCGS)アルゴリズムを提案する。
SOCGSアルゴリズムは、有限個の線形収束反復の後、原始ギャップに二次的に収束する。
実現可能な領域が線形最適化オラクルを通してのみ効率的にアクセスできる場合に有用である。
論文 参考訳（メタデータ） (2020-02-20T17:52:18Z)
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。