能量感知的自适应双利普希茨嵌入
机器学习
2013-07-15 v1 信息论
math.IT
摘要
我们提出了一种基于训练数据的降维矩阵设计，该设计对其 Frobenius 范数和行数施加约束。我们的设计准则旨在尽可能保持降维空间中数据点之间的距离与其在原始数据空间中距离的相对关系。这种方法可被视为数据点的确定性双利普希茨 (Bi-Lipschitz) 嵌入。我们引入了一种可扩展的学习算法，称为 AMUSE，并通过利用博弈论工具提供了严格的估计保证。我们还基于样本数据提供了该矩阵的泛化特征。我们以压缩感知问题为例展示了该问题的应用，其中 Frobenius 范数设计约束转化为感知能量。
引用
@article{arxiv.1307.3457,
title = {Energy-aware adaptive bi-Lipschitz embeddings},
author = {Bubacarr Bah and Ali Sadeghian and Volkan Cevher},
journal= {arXiv preprint arXiv:1307.3457},
year = {2013}
}
备注
4 pages, 2 figures, conference