×
李文冶;张树忠

具有可控稀疏模式的二进制随机投影。 （英语） Zbl 1513.68056号

《运营杂志》。Res.Soc.中国 10，第3期，507-528（2022）.
摘要：随机投影通常用于将高维向量投影到低维空间，同时大致保持它们的成对距离。它已成为各种数据处理任务中的强大工具，并吸引了大量研究兴趣。部分受神经科学最新发现的启发，本文研究了使用具有可控稀疏模式的二进制矩阵的随机投影问题。具体来说，我们提出了两种适用于一般数据向量的稀疏二进制投影模型。与传统的具有密集投影矩阵的随机投影模型相比，我们提出的模型具有显著的计算优势，因为它们具有稀疏结构，并且提高了经验评估的准确性。

MSC公司：

68T09号 数据分析和大数据的计算方面
15立方厘米 布尔矩阵和阿达玛矩阵

关键词：

二进制随机投影;稀疏;维度

软件：

RCV1型;手套
PDF格式BibTeX公司 XML格式引用
\textit{W.-Y.Li}和textit{S.-Z.Zhang}，J.Oper。中国研究院10，第3号，507--528（2022；Zbl 1513.68056）
全文： 内政部 arXiv公司

参考文献：

[1] 约翰逊，W。；Lindenstrauss，J.，Lipschitz映射到Hilbert空间的扩展，Contemp。数学。，26, 189-206, 1 (1984) ·Zbl 0539.46017号
[2] Vempala，S.：《随机投影法》，第65卷。美国数学学会（2005）·Zbl 1048.68131号
[3] Kanerva，P.，Kristoferson，J.，Holst，A.：潜在语义分析文本样本的随机索引。摘自：认知科学学会年会论文集，第22卷（2000）
[4] Bingham，E.，Mannila，H.：降维中的随机投影：图像和文本数据的应用。摘自：第七届ACM SIGKDD知识发现和数据挖掘国际会议记录，第245-250页（2001）
[5] Manning，C.，Raghavan，P.，Schütze，H.：信息检索导论。剑桥大学出版社（2008）·Zbl 1160.68008号
[6] Leskovec，J.，Rajaraman，A。，Ullman，J.：海量数据集的挖掘。剑桥大学出版社（2020）
[7] Achlioptas，D.，数据库友好型随机投影：Johnson Lindenstrauss与二进制硬币，J.Comput。系统。科学。，66, 4, 671-687 (2003) ·Zbl 1054.68040号 ·doi:10.1016/S0022-0000（03）00025-4
[8] Dasgupta，A.，Kumar，R.，Sarlós，T.：稀疏Johnson-Lindenstraus变换。摘自：第42届ACM计算理论研讨会论文集，第341-350页（2010）·Zbl 1293.68140号
[9] 凯恩，D。；Nelson，J.，Sparser Johnson-Lindenstraus transforms，J.ACM，61，1，1-23（2014）·Zbl 1295.68134号 ·数字对象标识代码：10.1145/2559902
[10] 达斯古普塔，S。；史蒂文斯，C。；Navlakha，S.，《基本计算问题的神经算法》，《科学》，3586364793-796（2017）·Zbl 1403.68184号 ·doi:10.1212/科学.aam9868
[11] 林，A。；Bygrave，A。；DeCalignon，A。；Lee，T。；Miesenböck，G.，蘑菇体内稀疏、去相关的气味编码增强了习得的气味辨别能力，《自然神经科学》。，17, 4, 559 (2014) ·doi:10.1038/nn.3660
[12] 郑，Z。；Lauritzen，S。；Perlman，E。；Robinson，C.，成年果蝇大脑的完整电子显微镜体积，Cell，174，3，730-743（2018）·doi:10.1016/j.cell.2018.06.019
[13] Allen-Zhu，Z。；Gelashvili，R。；米卡利，S。；Shavit，N.，《稀疏符号一致Johnson-Lindenstraus矩阵：基于神经科学约束的压缩》，Proc。国家。阿卡德。科学。，111, 47, 16872-16876 (2014) ·doi:10.1073/pnas.1419100111
[14] Larsen，K.，Nelson，J.：Johnson-Lindenstraus引理的最优性。2017年IEEE第58届计算机科学基础年会，第633-638页。IEEE（2017）
[15] Li，P.，Hastie，T.，Church，K.：非常稀疏的随机投影。摘自：第十二届ACM SIGKDD知识发现和数据挖掘国际会议记录，第287-296页（2006）
[16] Bourgain，J。；德克森，S。；Nelson，J.，《欧几里德空间稀疏降维统一理论》，Geom。功能。分析。，25, 4, 1009-1088 (2015) ·Zbl 1341.46007号 ·doi:10.1007/s00039-015-0332-9
[17] Ailon，N。；Chazelle，B.，《快速Johnson-Lindenstraus变换和近似最近邻》，SIAM J.Compute。，39, 1, 302-322 (2009) ·Zbl 1185.68327号 ·doi:10.1137/060673096
[18] Jagadeesan，M.：了解稀疏JL用于特性哈希。摘自：《神经信息处理系统进展》，第15177-15187页（2019年）
[19] 奥尔森，S。；班达瓦特，V。；Wilson，R.，《嗅觉群体编码的划分标准化》，《神经元》，66，2，287-299（2010）·doi:10.1016/j.neuron.2010.04.009
[20] Papadopoulou，M。；卡西纳，S。；Nowotny，T。；Laurent，G.，《宽域中间神经元对气味稀疏编码的归一化》，《科学》，332，6030，721-725（2011）·数字对象标识代码：10.1126/science.1201835
[21] Stevens，C.，《苍蝇的鼻子告诉苍蝇的大脑是什么》，Proc。国家。阿卡德。科学。，112, 30, 9460-9465 (2015) ·doi:10.1073/pnas.1510103112文件
[22] Li，W.：在稀疏二进制投影中建模赢家-全胜竞争。摘自：《数据库中的机器学习和知识发现》，第456-472页。施普林格，商会（2021）
[23] Li，W.，Mao，J.，Zhang，Y.，Cui，S.：通过最佳稀疏提升进行快速相似性搜索。摘自：《神经信息处理系统进展》，第176-184页（2018年）
[24] 马，C.，顾，C.，李，W.，崔，S.：基于稀疏二值投影的大尺度图像检索。摘自：第43届国际ACM SIGIR信息检索研究与开发会议记录，第1817-1820页（2020年）
[25] Bennett，G.，独立随机变量之和的概率不等式，美国统计协会，57，297，33-45（1962）·Zbl 0104.11905号 ·doi:10.1080/01621459.1962.10482149
[26] Boucheron，S.，Lugosi，G.，Massart，P.：集中不等式：独立的非渐近理论。牛津大学出版社（2013）·Zbl 1279.60005号
[27] Pennington，J.，Socher，R.，Manning，C.：GlobVe:单词表示的全局向量。摘自：《2014年自然语言处理实证方法会议论文集》，第1532-1543页（2014）
[28] 俄勒冈州Russakovsky。；邓，J。；Su，H.，Imagenet大规模视觉识别挑战，国际计算机杂志。视觉。，115, 3, 211-252 (2015) ·doi:10.1007/s11263-015-0816-y
[29] 刘易斯，D。；Yang，Y。；Rose，T。；Li，F.，RCV1:文本分类研究的新基准集合，J.Mach。学习。研究，5361-397（2004）
[30] Lehmann，E.，Romano，J.：检验统计假设。斯普林格（2006）·兹比尔1076.62018
[31] 安多尼，A。；Indyk，P.，高维近邻问题的近最优散列算法，Commun。ACM，51，1，117-122（2008）·doi:10.145/1327452.1327494
[32] Rachkovskij，D.，使用随机二进制矩阵的矢量数据转换，Cybern。系统。分析。，50, 6, 960-968 (2014) ·Zbl 1323.93067号 ·doi:10.1007/s10559-014-9687-4
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。