Landmark 交替扩散
机器学习
2024-05-01 v1 统计理论
数据分析、统计与概率
机器学习
统计理论
摘要
交替扩散（AD）是一种常用于传感器融合的扩散基方法。虽然它已成功应用于各种问题，但其计算负担仍是限制因素。灵感来自ROSELAND（Robust and Scalable Embedding via Landmark Diffusion）中所考虑的Landmark扩散思想，我们提出了AD的一种变体，称为Landmark AD（LAD），它在捕捉AD本质的同时提供了更好的计算效率。我们对LAD在流形设置下的进行了一系列理论分析，并将其应用于两个脑电图通道的自动睡眠阶段注释问题，以演示其应用。
关键词
引用
@article{arxiv.2404.19649,
title = {Landmark Alternating Diffusion},
author = {Sing-Yuan Yeh and Hau-Tieng Wu and Ronen Talmon and Mao-Pei Tsui},
journal= {arXiv preprint arXiv:2404.19649},
year = {2024}
}