適応特徴選択:RIPの下での計算効率の良いオンラインスパース線形回帰【JST・京大機械翻訳】

Kale Satyen; Karnin Zohar; Liang Tengyuan; Pal David

プレプリント

J-GLOBAL ID：202202215663939093 整理番号：22P0041069

適応特徴選択:RIPの下での計算効率の良いオンラインスパース線形回帰【JST・京大機械翻訳】

Adaptive Feature Selection: Computationally Efficient Online Sparse Linear Regression under RIP

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2017年06月14日プレプリントサーバーでの情報更新日： 2017年06月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

オンラインスパース線形回帰はオンライン問題であり,そこでは,アルゴリズムが反復的に選択された特徴ベクトルにおいて観測するために座標の部分集合を繰り返し選択し,実数値予測を行い,真のラベルを受信し,二乗損失を招く。目標は,後視における最良のスパース線形予測子に準線形レグレットを持つオンライン学習アルゴリズムを設計することである。いかなる仮定もなければ,この問題は計算的に扱いにくいことが知られている。本論文では,データ行列が制約されたアイソメトリック特性を満たし,この仮定が問題の2つのバリアントに対して,サブ線形レグレットを持つ計算的に効率的なアルゴリズムを導くことを示した。第一のバリアントでは,真のラベルは付加的Gauss雑音を持つスパース線形モデルに従って生成される。第2に,真のラベルを敵対的に選択した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

信号理論 , 人工知能

, , , , ,

前のページに戻る