AAAIFeb, 2024
带动态平均的核化成对学习的有限内存在线梯度下降
Limited Memory Online Gradient Descent for Kernelized Pairwise Learning with Dynamic Averaging
Hilal AlQuabeh, William de Vazelhes, Bin Gu
TL;DR在线梯度下降方法在配对学习中的应用以及引入具有子线性后悔界的轻量级在线梯度下降算法,该算法可适用于线性模型和核配对学习,通过集成随机傅里叶特征有效降低内核计算复杂度,并在离线和在线场景中优于内核和线性算法。