非对称行列式点过程的在线 MAP 推断与学习
机器学习
2021-11-30 v1 人工智能
数据结构与算法
机器学习
摘要
在本文中，我们引入了非对称行列式点过程（NDPPs）的在线和流式 MAP 推断与学习问题，其中数据点以任意顺序到达，且算法被限制为对数据进行单次遍历以及使用亚线性内存。在线设定还有一个额外要求，即在任何时刻都维护一个有效解。为解决这些新问题，我们提出了具有理论保证的算法，在多个真实世界数据集上对其进行评估，并表明它们给出了与将整个数据存储在内存中并进行多次遍历的最先进离线算法相当的性能。
引用
@article{arxiv.2111.14674,
title = {Online MAP Inference and Learning for Nonsymmetric Determinantal Point Processes},
author = {Aravind Reddy and Ryan A. Rossi and Zhao Song and Anup Rao and Tung Mai and Nedim Lipka and Gang Wu and Eunyee Koh and Nesreen Ahmed},
journal= {arXiv preprint arXiv:2111.14674},
year = {2021}
}