研究人员开发了Oja算法的压缩版本，用于估计数据协方差矩阵的主特征向量。该方法每次样本仅需两次自适应测量，显著降低了数据采集需求。分析证明了到真实特征向量的期望正弦平方误差是有界的，为压缩特征向量估计设定了理论上限，并证明了其与非自适应方案相比的效率。 AI
排序理由 该集群包含一篇详细介绍新算法及其理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2505.10882v2 Announce Type: replace-cross Abstract: Principal component analysis classically requires full $d$-dimensional samples, yet in various applications hardware limits acquisition to a few scalar measurements per sample. We analyze a compressed variant of Oja's algo…