gaussian kernel | BriefGPT - AI 论文速递

关键词gaussian kernel

搜索结果 - 8

具有注释错误修正的尺度感知人群计数网络
提出了一种 “尺度感知” 人群计数网络 (SACC-Net)，通过引入具有纠正噪声注释能力的空间变化高斯分布来同时建模标签错误和尺度变化，从而生成细粒度的人群密度热力图，进而实现优越的人群计数准确性。
PDF6 months ago
对称 Riemannian 空间上的不变核：一种谐波分析方法
该研究旨在证明在非欧几里德对称空间上定义的经典高斯核无论参数选择如何，都不可能是正定的。通过发展新的几何和分析论证方法，本文对高斯核的正定性进行了严格的刻画，其完整性只有在一些低维度的场景需要通过数值计算进行处理。最重要的结果之一是 Lp-
PDF8 months ago
正交随机特征：显式形式和尖锐不等式
通过正交随机特征来近似普遍的高斯核，本研究分析了基于正交随机特征的核逼近的偏差和方差，并通过使用归一化贝塞尔函数推导出了明确的表达式，并提供了支持正交随机特征比随机傅里叶特征更具信息性的尖锐指数界限。
PDF9 months ago
NIPS核矩阵低秩逼近中是否存在稀疏化输入时间？
本文研究了计算有效的低秩核近似的限制，证明计算相对误差 k 秩逼近 K 对于广泛类别的核，包括高斯和多项式核，至少与将输入数据矩阵 A 乘以任意矩阵 C 一样困难，并给出了一些希望：首次证明对于一般的径向基函数核，如高斯核，存在 $O (
PDF7 years ago
自动核带宽选择的均值和中位数准则支持向量数据描述
本研究提出了一种新的自动，非监督的方法来选择高斯核带宽以优化 Support vector data description (SVDD) 算法的性能。
PDF7 years ago
高斯核距离的相对误差嵌入
本文研究了使用 Reproducing Kernel Hilbert Space 定义数据点的嵌入，以及这些映射到欧几里德空间的随机傅里叶特征的映射精度与高斯内核距离之间的关系。我们证明了使用 O ((1/ε²) log (n)) 个近似特
PDF8 years ago
随机傅里叶特征的误差
本文介绍了核方法在机器学习问题中的应用，提到了采用随机傅里叶特征解决大规模数据集问题的方法，并给出了更好的误差界限及嵌入方式的理解、近似误差、在某些机器学习方法中的使用，同时指出了该特征的两种变体中，更常用的一种在高斯核中具有严格更高的方差
PDF9 years ago
测地指数核：当曲率与线性冲突时
本文探讨了一般测地度量空间中的内核方法，并提供了正面和负面的结果。结论是：高斯内核只能在测地度量空间中推广为正定内核，如果该空间是平坦的，这意味着任何在曲面上设计测地高斯内核的尝试都是徒劳的。然而，本文证明：对于具有有条件负定距离的空间，可
PDF10 years ago