Gen-Oja：一种用于流式 CCA 的双时间尺度方法
机器学习
2020-02-04 v2 数据结构与算法
神经与进化计算
机器学习
摘要
在本文中，我们研究了随机设定下的主广义特征向量计算与典型相关分析（CCA）问题。我们针对这些问题提出了一种简单高效的算法 Gen-Oja。我们借鉴快速混合马尔可夫链与双时间尺度随机逼近理论的思想，证明了算法的全局收敛性，表明其达到了最优收敛速率。在此过程中，我们开发了用于理解具有马尔可夫噪声的随机过程的工具，这本身可能具有独立的意义。
引用
@article{arxiv.1811.08393,
title = {Gen-Oja: A Two-time-scale approach for Streaming CCA},
author = {Kush Bhatia and Aldo Pacchiano and Nicolas Flammarion and Peter L. Bartlett and Michael I. Jordan},
journal= {arXiv preprint arXiv:1811.08393},
year = {2020}
}
备注
Accepted at NeurIPS 2018