研究人员开发了一种 TensorSketch 的新变体，TensorSketch 是一种用于高效绘制高维多项式核的算法。通过利用复数随机变量，该改进版本实现了更低的方差，其缩放比例为 2^p/D，而之前为 3^p/D。新方法保留了原始 TensorSketch 算法的输入稀疏性运行时间优势，同时提供了增强的性能，这已通过在合成和真实数据集上的实验得到验证。 AI
影响 这项研究提供了一种更有效的方法来处理高维数据，有可能提高依赖于核方法的机器学习任务的性能。
排序理由 该集群描述了一种具有改进理论特性和实验验证的现有算法的新变体，符合研究论文的定义。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
\texttt{TensorSketch} by~\cite{pham2013fast,kar2012random} provides efficient sketching algorithms for high-dimensional polynomial kernels $\vec{x}^{\otimes p} \in \R^{d^p}$. \cite{kar2012random} uses dense Johnson-Lindenstrauss (JL)-type projections with computational cost $O(pD…
arXiv:2608.10523v1 Announce Type: cross Abstract: \texttt{TensorSketch} by~\cite{pham2013fast,kar2012random} provides efficient sketching algorithms for high-dimensional polynomial kernels $\vec{x}^{\otimes p} \in \R^{d^p}$. \cite{kar2012random} uses dense Johnson-Lindenstrauss (…