論文の概要: Singular Value Decomposition: A Geometric Rediscovery, Where Proofs Become Algorithms

• arxiv url: http://arxiv.org/abs/2610.08565v1
• Date: Tue, 06 Oct 2026 15:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.092677
• Title: Singular Value Decomposition: A Geometric Rediscovery, Where Proofs Become Algorithms
• Title（参考訳）: 特異値分解: 証明がアルゴリズムとなる幾何学的再検討
• Abstract要約: この記事は、特異値分解の再検討であり、さらに主張する: 構築する構造は、機械学習の多くの背後にある機械である。
• 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: This article is a geometric rediscovery of the singular value decomposition, with a further claim: the construction it builds is the machinery behind much of machine learning. The same argument that answers an idle question about ellipses is the algorithm behind principal component analysis, kernel methods, and PageRank, and it is not only the results that transfer but the proofs themselves, run as procedures. The usual introduction states $A = UΣV^T$ and justifies it via the spectral theorem applied to $A^T A$. This is correct but unilluminating, since it assumes a powerful theorem to reach a result that is, in the end, about ellipses. Part I reverses the order. A linear map sends the unit circle to an ellipse; one asks which input directions map to its axes, and finds, example after example, that they are perpendicular. In the plane this can be watched: rotate a frame, track how far its images are from perpendicular, and a sign change forces a frame where they are exactly perpendicular, which is also where the map stretches hardest. Maximizing the stretch and recursing generalizes this to n dimensions, with singular values falling out in order, and the construction proves the spectral theorem rather than assuming it. Part II puts each construction to work: maximize-and-recurse becomes the power method and PageRank; the lemma locating the maximizer becomes the stopping rule of gradient descent; the duality between $A^T A$ and $A A^T$ becomes the transport at the heart of kernel PCA. Each connection is stated with its boundary, saying what the decomposition supplies and where another idea takes over. Prerequisites are the standard sophomore sequence, and the worked examples are small enough to check by hand.
• Abstract（参考訳）: この記事は、特異値分解の幾何学的再検討であり、さらに主張する: 構築された構造は、機械学習の多くの背後にある機械である。 楕円に関する怠慢な問題に答える同じ議論は、主成分分析、カーネルメソッド、PageRankの背後にあるアルゴリズムであり、転送結果だけでなく、証明自体もプロシージャとして実行される。 通常の導入は、$A = UΣV^T$ と記述し、$A^T A$ に適用されるスペクトル定理を通じてそれを正当化する。 これは正しいが、エリプに関する結果に到達するための強力な定理を仮定するので、無照明である。 第1部は命令を覆す。 線型写像は単位円を楕円へ送り、どの入力方向を軸にマップするかを問うと、例えば垂直であることを見つける。 フレームを回転させ、その画像が垂直からどれくらいの距離にあるかを追跡し、サインを変えると、それらが垂直であるフレームが強制される。 ストレッチの最大化と再帰は、これを n 次元に一般化し、特異な値が順番に落ちて、構成はそれを仮定するよりもむしろスペクトル定理を証明する。 第2部では、最大再帰はパワーメソッドおよびページランクとなり、最大化を位置づける補題は勾配降下の停止規則となり、$A^T A$と$A A^T$の双対性はカーネルPCAの心臓における輸送となる。 それぞれの接続は境界で記述され、分解が供給するものと、別のアイデアが引き継がれる場所を述べる。 前提条件は標準的な2重項列であり、作業例は手作業でチェックできるほど小さい。

関連論文リスト

• Exact-Form Regret for Gradient Descent, Mirror Descent and Follow-the-Regularized-Leader [46.31158375592562]
  最近の研究は、一階法がよりリッチな行動依存偏差を制御することを示している。 オンライン勾配降下,ミラー降下,フォロー・ザ・レギュラー化リーダ(FTRL)の達成に関する偏差の幾何学的特徴を求める。
  論文  参考訳（メタデータ） (2026-09-08T21:32:02Z)
• Common-Center Geometry and Certified Radial Reconstruction for Energy-Form Full Conformal Regions [5.188221150628459]
  この注記は、経験的エネルギー形対のスコアによって生成される共形予測(FullCP)領域の幾何学に焦点を当てる。 12ドルと$mge2$の場合、明示的なデータチェック可能な微分境界は、ラジアル出口と正確な共形ラジアル関数のリプシッツ制御を与える。
  論文  参考訳（メタデータ） (2026-08-25T07:38:04Z)
• Riemannian Attention Mechanisms for Transformers: A Theoretical Framework and Architecture Design [5.026698725861711]
  トランスフォーマーベースの大きな言語モデルはすべて、ユークリッド内部積を通じて注意を計算します。 我々は、この構造的制限を数学的レベルで対象とする理論的枠組みを開発する。
  論文  参考訳（メタデータ） (2026-08-02T14:47:16Z)
• Restricted Dynamic Geometric Complexity: Path-Space Reduction and Möbius--Jacobi Response [0.0]
  経路空間値問題として制限された動的幾何学的複雑性について検討する。 主な応答結果は、アダマール状態空間におけるグローバルである。
  論文  参考訳（メタデータ） (2026-07-08T09:36:45Z)
• Accelerated Evolving Set Processes for Local PageRank Computation [75.54334100808022]
  この研究は、パーソナライズされたPageRank計算を高速化するために、ネストした進化したセットプロセスに基づく新しいフレームワークを提案する。 このような局所化手法の時間複雑性は、PPRベクトルの$epsilon$-approximationを得るために$mintildemathcalO(R2/epsilon2), tildemathcalO(m)$によって上界となることを示す。
  論文  参考訳（メタデータ） (2025-10-09T09:47:40Z)
• Non-Euclidean Broximal Point Method: A Blueprint for Geometry-Aware Optimization [55.002497070656624]
  Broximal Point Method(BPM)は、現在の反復を中心にした標準球よりも目的関数を反復的に最小化する、理想的な最適化フレームワークを提供する。 顕著な大域収束保証、線形収束、および正規閉凸函数に対する有限のステップを享受する。 本稿では、BPMの収束理論が、このより一般的な非ユークリッド的な設定に拡張できるかどうかを問う。
  論文  参考訳（メタデータ） (2025-10-01T12:32:52Z)
• Fully Geometric Multi-Hop Reasoning on Knowledge Graphs with Transitive Relations [50.05281461410368]
  マルチホップ推論のための幾何学的埋め込み手法GeometrEを紹介する。 論理演算を学習する必要はなく、完全に幾何学的解釈可能である。 実験の結果,GeometrEは標準ベンチマークデータセットの最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-05-18T11:17:50Z)
• Learning with symmetric positive definite matrices via generalized Bures-Wasserstein geometry [40.23168342389821]
  GBW幾何と呼ぶビューレス=ワッサーシュタイン幾何の新しい一般化を提案する。 提案した新しい一般化幾何について、様々な微分幾何学的概念を研究するための厳密な処理を提供する。 また,BW幾何に対するGBW幾何の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2021-10-20T10:03:06Z)
• q-Paths: Generalizing the Geometric Annealing Path using Power Means [51.73925445218366]
  我々は、幾何学と算術の混合を特別なケースとして含むパスのファミリーである$q$-pathsを紹介した。 幾何経路から離れた小さな偏差がベイズ推定に経験的利得をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-01T21:09:06Z)

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。