路径内核和乘法更新
Manfred K.Warmuth，Eiji Takimoto; 4（10月）：773-8182003。
摘要
内核通常应用于线性算法其权重向量是线性组合示例的特征向量。这些算法的在线版本有时称为“附加更新”，因为它们添加了最后一个更新的倍数特征向量到当前权重向量。
在本文中，我们找到了一种使用特殊卷积的方法有效实现“乘法”更新的内核。核由有向图定义。每条边都有一个输入。沿路径的输入形成产品功能和所有这些产品都会构建关联的特征向量使用输入。我们在边上也有一组概率，所以每个顶点的流出量是一。然后，我们讨论这些的乘法更新预测本质上是核的图计算和更新为每条边贡献一个因子。向边添加因子后，每个顶点的总流出量不是再来一个。然而，一些聪明的算法重新规范化了路径上的权重，以便每个顶点的流出量又是一个。最后，我们证明了如果构建了有向图从正则表达式中，则可以用于超速行驶提升内核和重新规范化计算。
我们重新计算了大量乘法使用路径核的更新算法并表征了我们方法的适用性。示例包括学习析取的有效算法以及最近的一种预测算法作为串并有向图的最佳剪枝。
[腹肌]
[pdf格式][邮政总局][秒]
