关键词random feature approximation
搜索结果 - 4
- 广义谱方法的随机特征逼近
随机特征逼近是加速大规模算法中核方法的最流行技术之一,并提供了对深度神经网络分析的理论方法。我们分析了与随机特征相结合的一大类谱正则化方法的泛化性质,包括梯度下降等具有隐式正则化的核方法或 Tikhonov 正则化等明确方法。对于我们的估计 - 使用随机特征逼近进行高效数据集蒸馏
提出了一种名为 RFAD 的基于随机特征近似的数据集蒸馏算法,该算法能够在维持较高准确性的同时,大幅加速了现有的数据集压缩算法,能够应用于大规模数据集上,并适用于如模型解释和隐私保护等任务。
- 使用随机特征的近似核主成分分析:计算与统计的权衡
本文研究了随机特征逼近在核主成分分析中的应用,通过比较计算效率和统计效率,分析了逼近 KPCA 的计算和统计性能优于 KPCA,研究依赖于自伴随 Hilbert-Schmidt 算子值 U 统计量的算子和 Hilbert-Schmidt 范 - 蒙德里安核函数
我们介绍了 Mondrian 核,这是 Laplace 核的快速随机特征逼近,并且适用于批量和在线学习;特征通过通过 Mondrian 过程抽取树结构构建,在 Mondrian 森林和核方法之间提供了新的联系。