×

从图到流形Laplacian:收敛速度。 (英语) Zbl 1095.68102号

小结:离散图Laplacian在样本大小限制(N\rightarrow\infty)下收敛到连续流形Laplacia,而核带宽(varepsilon\rightArrow0)是基于Laplacial的算法在机器学习中取得成功的理由,例如降维,半监督学习和谱聚类。本文改进了最近通过以下方法获得的方差项的收敛速度M.Hein,J.-Y.奥迪伯特卢克斯堡大学[“从图到流形——图Laplacians的弱和强点态一致性”,Lect.Notes Compute.Sci.3559470-485(2005;Zbl 1095.68097号)],改进偏差项误差,并找到确定给定参数(N)的最佳准则。

MSC公司:

68T05型 人工智能中的学习和自适应系统
05元50分 图和线性代数(矩阵、特征值等)

关键词:

机器学习

软件:

国际分帐
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] 海因,M。;奥迪伯特,J。;von Luxburg,U.,《从图到流形——图Laplacians的弱和强点态一致性》,(Auer,P.;Meir,R.,Proc.18th Conf.Learning Theory(COLT),讲义计算。科学。,第3559卷(2005年),施普林格出版社:施普林格出版社,柏林),470-485·Zbl 1095.68097号
[2] M.Belkin,流形学习问题,芝加哥大学博士论文,2003年;M.Belkin,流形学习问题,博士论文,芝加哥大学,2003年
[3] 贝尔金,M。;Niyogi,P.,《嵌入和聚类的拉普拉斯特征映射和光谱技术》(Dietterich,T.G.;Becker,S.;Ghahramani,Z.,《高级神经信息处理系统》,第14卷(2002年),麻省理工学院出版社:麻省理学学院出版社剑桥,MA)
[4] 贝尔金,M。;Niyogi,P.,用于降维和数据表示的拉普拉斯特征映射,神经计算。,15, 6, 1373-1396 (2003) ·Zbl 1085.68119号
[5] 贝尔金,M。;Niyogi,P.,《迈向基于拉普拉斯流形方法的理论基础》,(Auer,P.;Meir,R.,Proc.18th Conf.Learning Theory(COLT),讲义计算。科学。,第3559卷(2005年),施普林格出版社:施普林格出版社,柏林),486-500·Zbl 1137.68521号
[6] S.Lafon,扩散映射与几何调和,耶鲁大学博士论文,2004;S.Lafon,扩散映射与几何调和,耶鲁大学博士论文,2004
[7] 纳德勒,B。;拉丰,S。;科伊夫曼,R.R。;Kevrekidis,I.G.,《Fokker-Planck算子的扩散图、谱聚类和本征函数》,(Weiss,Y.;Schölkopf,B.;Platt,J.,《高级神经信息处理系统》,第18卷(2006年),麻省理工学院出版社:麻省理学出版社剑桥,MA)
[8] 科伊夫曼,R.R。;拉丰,S。;Lee,A.B。;Maggioni,M。;纳德勒,B。;华纳,F。;Zucker,S.W.,《几何扩散作为谐波分析和数据结构定义的工具:扩散图》,Proc。国家。阿卡德。科学。,102, 21, 7426-7431 (2005) ·Zbl 1405.42043号
[9] 科伊夫曼,R.R。;拉丰,S。;Lee,A.B。;Maggioni,M。;纳德勒,B。;华纳,F。;Zucker,S.W.,《几何扩散作为调和分析和数据结构定义的工具:多尺度方法》,Proc。国家。阿卡德。科学。,102, 21, 7432-7437 (2005) ·Zbl 1405.42044号
[10] O.G.斯莫利亚诺夫。;魏茨瓦克,H.V。;Wittich,O.,流形上的布朗运动作为逐步条件标准布朗运动的极限,(Gesztesy,F.,《随机过程,物理和几何,新的相互作用》,II,CMS Conf.Proc.,第29卷(2000),Amer。数学。Soc.:美国。数学。佛罗里达州普罗维登斯Soc.Providence)·Zbl 0978.58015号
[11] 海因,M。;Audibert,Y.,《(R^d)中子流形的内在维数估计》,(De Raedt,L.;Wrobel,S.,Proc.22nd Int.Conf.Machine Learning(2005),ACM),289-296
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。