Determinantal Point Processes
PulseAugur coverage of Determinantal Point Processes — every cluster mentioning Determinantal Point Processes across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
隐私保护 CT 切片生成框架发布
DS@GT ARC 的研究人员开发了一个新颖的框架，用于生成优先考虑隐私的合成肺部 CT 切片。他们的方法将最优传输条件流匹配与生成后过滤系统相结合。该系统使用自动编码器嵌入、行列式点过程和斯坦核稀疏化，根据学习到的几何潜在空间选择生成的切片，旨在平衡真实性与隐私保护。
-
新的采样方法提高了复杂分布的效率 · 跟踪 2 个来源
研究人员开发了一种名为 Gradient-free Riemannian Langevin Sampler (GRiLS) 的新方法，以提高多模态概率分布采样的效率。该方法旨在克服标准马尔可夫链蒙特卡洛方法在混合不良和模式陷阱方面的局限性。GRiLS 利用黎曼度量重塑局部几何形状，促进模式之间的转换，而无需对目标密度进行梯度评估，使其适用于复杂的计算目标。此外，另一篇论文探讨了通用空间上的快速行列式采样，为数据集表示提供了基于核的方法…
-
新的数据集评估框架可提速35,000倍
研究人员引入了矩阵谱函数作为数据集评估的更广泛目标类别，涵盖了Vendi分数和行列式点过程（DPPs）。他们证明了这些函数以及常见的神经网络规模法则目标是次模的。该研究还开发了高效的优化方法，将评估时间缩短了35,000倍，使得像ImageNet-1K这样的大型数据集可以直接优化Vendi分数成为可能。实验比较了各种目标，发现设施选址在预测留存测试性能方面表现最佳，而Vendi分数在高值时可能成为一个糟糕的代理指标。研究还强调，随机子…
-
新的DPP核利用小波改进机器学习小批量
研究人员开发了使用小波的新型行列式点过程（DPP），以改进机器学习任务的小批量生成。这些新颖的DPP提供了可证明的更优准确性保证，并提供了一种将连续DPP转换为适合子采样的离散核的通用方法。该方法提高了方差缩减和计算效率，将基于DPP的方法的适用性扩展到正则性较低的目标函数。