arXiv stat.ML· Takahiro Kawashima, Hideitsu Hino·· 2 小时前AI 评分12
用核结构交互实现可扩展的行列式点过程学习
Scalable Learning of Determinantal Point Processes with Kernel-Structured Interactions
AI 导读
研究提出用非线性核函数与潜在特征建模满秩交互，并为最大似然估计设计替代函数，结合非线性核随机特征的随机优化，缓解行列式点过程（DPP）学习中表达能力与计算可扩展性的权衡。在真实数据集上的数值实验显示，该方法以显著更少的参数取得更好的泛化性能。
来源：arXiv stat.ML · arxiv.org