研究人员开发了一种名为非线性核集成（NKI）的新方法，以解决数据协作分析中的局限性。现有方法通常使用线性变换，这会增加重建风险，并且难以对齐非线性降维的中间表示。NKI 源自线性核集成，通过核岭回归和特征值问题提供全局最优解。该方法还结合了图正则化和中心化约束，以捕获几何和目标变量信息，从而提高下游分析的准确性，尤其是在图像分类任务中。 AI
影响 这种新方法可以提高协作数据分析的准确性和隐私性，尤其是在图像分类等机器学习应用中。
排序理由 该集群包含一篇详细介绍数据分析新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.27219v1 Announce Type: cross Abstract: Collaborative analysis of decentralized confidential datasets is important, but direct sharing of original datasets is often restricted by privacy and institutional constraints. Data collaboration (DC) analysis transforms each dat…
Collaborative analysis of decentralized confidential datasets is important, but direct sharing of original datasets is often restricted by privacy and institutional constraints. Data collaboration (DC) analysis transforms each dataset into privacy-preserving intermediate represen…