研究人员开发了使用 Oja 算法的流式主成分分析 (PCA) 的新理论框架。该工作解决了关于次高斯数据下一般秩的收敛速率的开放性问题，并为子空间估计器提供了分布推理。新的收敛理论消除了先前的余项，在密集尾部尖峰协方差模型下实现了与 minimax 速率相匹配的尖锐速率。此外，还开发了一种新颖的在线乘数自举算法，并被证明在实践推理中是一致的，将高斯近似和自举推理技术扩展到非凸随机逼近。 AI
排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了机器学习方面的新理论进展。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Gaussian approximation
- nonconvex stochastic approximation
- Oja's algorithm
- online multiplier bootstrap algorithm
- spiked covariance regime
- sub-Gaussian data
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
