lp-MKL的快速学习率及其极小极大最优性
机器学习
2011-07-14 v2
摘要
本文给出了lp-MKL的一个新的尖锐泛化界，lp-MKL是多核学习(MKL)的广义框架，它采用lp混合范数正则化代替l1混合范数正则化。我们利用局部化技术获得了尖锐的学习率。该界由相关核的特征值衰减率刻画。更大的衰减率导致更快的收敛速度。此外，我们给出了乘积空间中由lp混合范数球刻画的学习率的极小极大速率。然后我们证明，我们推导出的lp-MKL学习率在lp混合范数球上达到了极小极大最优速率。
引用
@article{arxiv.1103.5202,
title = {Fast Learning Rate of lp-MKL and its Minimax Optimality},
author = {Taiji Suzuki},
journal= {arXiv preprint arXiv:1103.5202},
year = {2011}
}
备注
16 pages, submitted to COLT2011