PulseAugur
实时 10:46:43
English(EN) Fast Length-Squared Sampling for Positive-Semidefinite Matrices

新的 O(n) 算法简化了 AI 研究中的矩阵采样

研究人员开发了一种新的正半定矩阵长度平方采样算法,其预期运行时间为 O(n)。该方法是最优的,并可应用于矩阵问题的亚线性时间算法,例如低秩和特征值逼近。该算法还为正半定矩阵的弗罗贝尼乌斯范数估计提供了一种更简单、渐进最优的方法,并为鲁棒正半定低秩逼近问题提供了高效的解决方案。 AI

影响 简化了各种 AI/ML 算法中使用的核心数学运算,可能加速训练和分析。

排序理由 学术论文,详细介绍了一种新的矩阵采样算法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 O(n) 算法简化了 AI 研究中的矩阵采样

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Rajarshi Bhattacharjee, Ethan N. Epperly, Cameron Musco, Aaron Tian ·

    正定矩阵的快速长度平方采样

    arXiv:2608.12503v1 Announce Type: cross Abstract: We describe a simple rejection-sampling-based algorithm to perform length-squared sampling on an $n \times n$ positive-semidefinite (psd) matrix: that is, to sample a column with probability proportional to its squared $\ell_2$-no…