当压缩学习失败时：归咎于解码器还是草图？
机器学习
2020-09-18 v1 机器学习
摘要
在压缩学习中，从草图向量（作为数据集的高度压缩表示）中学习混合模型（一组质心或高斯混合）。这需要求解一个非凸优化问题，因此在实践中使用近似启发式方法（如CLOMPR）。本工作中，我们通过数值模拟探究了该非凸优化景观及这些启发式方法的特性。
引用
@article{arxiv.2009.08273,
title = {When compressive learning fails: blame the decoder or the sketch?},
author = {Vincent Schellekens and Laurent Jacques},
journal= {arXiv preprint arXiv:2009.08273},
year = {2020}
}
备注
in Proceedings of iTWIST'20, Paper-ID: 22, Nantes, France, December, 2-4, 2020