排列的加权 Kendall 和高阶核
本文通过开发新颖的预言不等式,针对正则化成对排序的高斯核算法,推导出在输入空间具有一般盒计数维度假设的情况下,结合噪声条件或标准光滑条件下,高斯排序估计器的快速学习速率,进而提高现有估计的理论分析水平,表明输入空间的低内在维数有助于实现速率的绕过维度诅咒。
Apr, 2023
通过提出一种基于集合的贝叶斯优化方法,我们在积极弥补高计算成本的基础上,解决了传统基于高斯过程实现的贝叶斯优化对于置换不变性的无法满足需求问题,并通过构建置换不变性的集合内核以及基于对称性的可行域收缩获取优化了集合内核的代理函数,并通过数值实验证实我们的方法优于其他方法。
May, 2019
基于正半定函数的优化算法,采用组合图像分析方法和最优双射算法,提出了基于结构化图数据的 Weisfeiler-Lehman 优化分配核,有效提高了常规的 Weisfeiler-Lehman 核图像分类准确率。
Jun, 2016
该论文提出了一种基于核函数的机器学习算法,可以通过对数据集的分组进行处理,采用独立同分布的样本集作为数据点,利用非参数估计器提取核函数特征从而实现多种分类、回归和异常检测等任务。
Feb, 2012
多维变分法引用工具,为减小标准核密度估计的偏差而推导出最优权重函数,从而改善预测后验概率和信息论度量的估计结果,并揭示了核密度估计的一些基本方面,尤其是作为主要构建模块的算法的视角。
Nov, 2023
本文提出了一种新的 MKL 框架,通过将每个核定义为一致核的扰动,并为接近一致核的核分配大权重来解决现有算法的各种问题。该框架被集成到用于基于图形的聚类和半监督分类的统一框架中,并在多个基准数据集上得到了实验验证,证实了新框架的优越性。
Jun, 2018
提出一种 KSD 检验的改进方法,通过使用 Markov 转移核函数对样本进行扰动,保证目标分布不变,从而获得比 KSD 检验更高的检验能力。
Apr, 2023