微軟研究院(Microsoft Research)和普林斯頓大學的研究人員於11月13日提出了一個通用框架,用於設計無監督學習問題的有效演算法,如高斯分佈和子空間聚類的混合
研究人員提出的框架,使用了一個元演算法來解決雜訊問題,該元演算法採用下界學習計算公式的計算方法。這個框架是基於Garg、Kayal和Saha(FOCS'20)最近的工作而設計的,他們提出了這個框架,用於在沒有任何噪音的情況下學習算術公式。元演算法的一個關鍵因素是有效演算法,用於解決稱為「穩健向量空間分解」的新問題
研究證明,當某些矩陣具有足夠大的最小非零奇異值時,元演算法效果很好。 「我們推測這個條件適用於我們問題的平滑實例,因此我們的框架將為平滑設定中的這些問題產生有效的演算法。」
##該研究的題目是《在在存在噪音的情況下學習算術公式:無監督學習的通用框架和應用》(Learning Arithmetic Formulas in the Presence of Noise: A General Framework and Applications to Unsupervised Learning),於11月13日在arXiv預印平台上發布
無監督學習涉及發現資料中隱藏的模式和結構,而不使用任何標籤或直接的人類監督。
在這裡,研究人員考慮具有良好數學結構或從數學上明確定義的分佈所產生的資料。前者的一個例子是,可以根據某些相似性模式將資料點分組為有意義的集群,並且目標是找到底層集群。後者的一個例子是混合建模,它假設資料是由簡潔描述的機率分佈(例如高斯分佈)的混合生成的,目標是從樣本中學習這些分佈的參數。
解決許多無監督學習問題的通用框架是矩方法,它利用資料的統計矩來推斷模型的底層結構或底層參數。對於許多無監督學習問題場景,其中基礎資料具有一些很好的數學結構,資料的矩是參數的明確定義的函數。啟發式論證表明,相反的情況通常應該成立,即結構/分佈的參數通常由數據的一些低階矩唯一確定。在這個大方向上,主要的挑戰是設計演算法來(近似地)從(經驗)力矩中恢復潛在的參數。
我們也希望演算法高效、耐雜訊(即,即使僅近似而不是精確地知道矩,也能很好地工作),甚至是異常容忍度(即,即使少數數據點不符合底層結構/分佈也能很好地工作)。但即使是該領域最簡單的問題也往往是 NP 困難的,並且即使沒有噪音和異常值也仍然如此。
因此,人們實際上不能指望一種具有可證明的最壞情況保證的演算法。但人們可以希望演算法能夠保證通常運作良好,即對於隨機問題實例,或者更理想的是對於以平滑方式選擇的實例。因此,針對無監督學習中的每個此類問題設計了許多不同的演算法,具有不同程度的效率、噪音容忍度、離群值容忍度和可證明的保證。
在這項工作中,研究人員給出了一個適用於許多此類無監督學習問題的元演算法。研究的出發點是觀察到許多此類問題都歸結為學習算術公式的適當子類的任務。
以上是通用的無監督學習問題解決方案:基於元演算法的框架的詳細內容。更多資訊請關注PHP中文網其他相關文章!

眾議院和參議院都同意在周末進行預算框架。該框架要求削減支出,以支付削減稅收的費用,這些減稅量不成比例,以防止赤字增加,同時也增加

雪花首席執行官在坐下來告訴我:“人工智能不應該是大爆炸。” “這應該是一系列小項目,顯示出每一步的價值。”但是,正如拉馬斯瓦米(Ramaswamy)指出的那樣,雖然這聽起來可能謹慎,但實際上是策略。 在中間

Deezer的首席創新官Aurelien Herault在一份聲明中說:“ AI產生的內容繼續傳到Deezer等洪水流媒體平台,我們沒有看到它放慢速度的跡象。” 儘管沒有減輕洪水的跡象,但Deezer確實有

這種轉變不再是理論上的。 卡夫集團(Kraft Group) - 新英格蘭愛國者隊,新英格蘭革命和吉列特體育場(Gillette Stadium)的所有者 - 剛剛宣布與NWN建立戰略合作夥伴關係,以現代化和轉變KR的技術

問題鏈:革命性及時工程 想像一下與AI的對話,每個問題都基於上一個問題,從而導致越來越有見地的答案。這是及時工程中的問題鏈(COQ)的力量

Mistral Nemo:強大的開源多語言LLM Mistral AI和Nvidia的合作努力Mismtral Nemo是一種尖端的開源大語模型(LLM),提供最先進的自然語言處理。 這120億桿

掌握Microsoft Excel的圓形功能,以獲得精確的數值數據 數字是電子表格的基礎,但是實現準確性和可讀性通常不僅需要原始數據。 Microsoft Excel的圓形功能是TRA的強大工具

增強AI智能:深入研究LlamainDex的反射性AI代理 想像一個AI不僅可以解決問題,而且還反映了自己的改進思維過程。這是反光AI代理的領域,本文探討了


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

WebStorm Mac版
好用的JavaScript開發工具

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

VSCode Windows 64位元 下載
微軟推出的免費、功能強大的一款IDE編輯器

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中