EigenGame 卸载：当博弈优于优化时
机器学习
2022-03-23 v2 人工智能
机器学习
摘要
我们基于最近提出的 EigenGame 构建，该算法将特征分解视为一种竞争博弈。EigenGame 的更新若使用小批量数据计算则是有偏的，这阻碍了随机设置下的收敛和更复杂的并行化。在这项工作中，我们提出了一种无偏随机更新，它在渐近上等价于 EigenGame，享有更大的并行性，允许在更大样本量的数据集上计算，并且在实验中优于 EigenGame。我们展示了在寻找海量数据集的主成分和对图进行谱聚类方面的应用。我们在 EigenGame 的背景下分析并讨论了我们所提出的更新，以及从优化到博弈的视角转变。
引用
@article{arxiv.2102.04152,
title = {EigenGame Unloaded: When playing games is better than optimizing},
author = {Ian Gemp and Brian McWilliams and Claire Vernade and Thore Graepel},
journal= {arXiv preprint arXiv:2102.04152},
year = {2022}
}
备注
Published in ICLR '22