ICMLFeb, 2016

超越 CCA：多视角模型的矩匹配

PDF
TL;DR本文介绍了三种新的概率规范相关分析的半参数扩展，并考虑了这些模型估计的矩匹配技术。通过将新模型与独立分量分析的离散版本（DICA）之间的显式联系画出，并进一步使用与独立分量分析的密切联系介绍广义协方差矩阵，以改善样本复杂度并显著简化推导和算法。
probabilistic canonical correlation analysissemi-parametric extensionmoment matching techniquesindependent component analysisgeneralized covariance matrices
发现论文，激发创造
  • 重新思考 LDA：用于离散 ICA 的矩匹配

    本文通过建立 LDA 和 ICA 之间的联系，推导出一种新的基于累积量的张量以及一种基于张量联合对角化的方法，用于 LDA 的矩匹配技术，实验证明该方法优于现有的矩匹配方法。

    Jul, 2015

  • 非参数标准相关分析

    本研究采用特征值分解解决非参数正相关分析问题，通过数据估计种群密度，降低计算负担，提高非参数 CCA 的性能，同时提出了部分线性 CCA 算法用于处理单个视图的线性投影问题。

    Nov, 2015

  • 张量规范相关分析用于多视图降维

    本研究介绍了一种名为张量 CCA (TCCA) 的多视角学习方法，它可以处理任意数目的视角的数据。通过分析不同视角的协方差张量，TCCA 试图直接最大化多个 (超过两个) 视角的典型相关性，并探索了容易被忽略的高阶统计数据量，可以通过最小化数据协方差张量的最佳秩 1 近似值来解决。

    Feb, 2015

  • 深度广义典型相关分析再探

    探索多个观测随机向量之间的潜在共变性的经典统计方法 —— 典型相关分析 (CCA) 以及其扩展和变化在发现多视图数据集中的共同随机因素方面的能力。该研究设计了一种新颖高效的模型，适用于典型相关分析的深度扩展，并克服了现有方法的局限性，将私有组件建模为在给定共同组件的条件下条件独立，从而提供了一种更紧凑的表述形式。通过合成数据和实际数据的实验验证了我们的结论和方法的有效性。

    Dec, 2023

  • 数据融合和迁移学习的协方差广义匹配成分分析

    引入广义协方差约束来编码数据融合和迁移学习应用中的额外统计信息，截至目前的最佳技术 CGMCA 可以比 MCA 更有意义地编码地图，并提供了计算算法。

    Oct, 2021

  • 稀疏 CCA：自适应估计与计算障碍

    本文探讨了适应性极小化和可计算的高维度下领先的稀疏规范系数向量的估计方法，得出了基于高斯模型的计算下限，并提出了第一个基于高斯单钉合模型的稀疏 PCA 的计算下限。

    Sep, 2014

  • 用 2-Way Nets 实现图像和文本的链接

    本文介绍了一种双向神经网络架构，该架构通过使用欧几里得损失将两个数据源的向量进行匹配，并演示了在 MNIST 图像匹配和 Flickr8k、Flickr30k 和 COCO 数据集上的计算机视觉匹配任务中的最新结果。

    Aug, 2016

  • 具有最优协方差匹配的扩散模型

    本文通过使用最近提出的全协方差矩匹配技术，引入了一种学习协方差的新方法，以显著提高采样效率，并展示了该方法如何有效地增强马尔科夫和非马尔科夫扩散模型家族的采样效率。

    Jun, 2024

  • 通过联合对角化实现独立分量分析和典范多项式分解

    本研究提出了基于联合对角化的新的 5 阶部分对称张量约束 CPD 算法，与现有的基于交替最小二乘法和增强线性搜索的算法相比，本算法的主要步骤不需要更新载荷矩阵，因此速度更快，在保持良好性能的同时提高了计算 CPD 鲁棒性。模拟结果证明了该算法的优越性。

    Nov, 2013

  • 规范相关分析方法教程

    本文介绍了经典相关分析如何通过正则化、核、和稀疏等不同变体实现对变量集对之间的关系的研究。同时作者提供了数值例子，希望这篇文章成为数据分析人员使用经典相关方法的实用工具。

    Nov, 2017