×

基于局部后悔的在线核选择方法综述

消耗积分:0 | 格式:pdf | 大小:1.30 MB | 2021-06-07

分享资料个

  在线核选择是在线核学习的关键问题。不同于离线核选择,在线核选择需要在保证亚线性收敛率的同时单趟(one-pass)地进行核选择和假设更新,并且现有在线核选择方法的时间复杂度至少是关于回合数平方的,计算效率较低。针对这些问题,该文提出了一种新的基于局部后悔的在线核选择方法。该方法具有亚线性的后悔界和关于回合数对数的时间复杂度。首先,定义了基于局部后悔的核选择准则(LRC),证明该准则是假设序列期望风险的上界。然后,应用相干性来度量新实例与缓冲区中实例的相关性,并结合蓄水池采样来设计缓冲区实例的添加和删除策略。最后,构造LRC的増量更新方法,并应用在线梯度下降方法来更新假设,实现具有亚线性后悔界的在线核选择和在线核学习的高效算法。实验结果表明,该文所提岀的在线核选择方法在保证精度的同时可显著提髙核选择的计算效率。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !