Grassmannian
PulseAugur coverage of Grassmannian — every cluster mentioning Grassmannian across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的联邦学习方法增强了复杂流形上的差分隐私
研究人员开发了 DP-RFedProj，一种用于联邦学习的新方法，可增强紧凑子流形上的差分隐私。该方法在固定的环境几何结构中对梯度进行私有化，允许客户端执行多个本地步骤并间歇性参与，同时保持明确的记录级 f-DP 保证。该方法确立了黎曼 SGD 和投影平均的收敛性，隐私成本取决于流形的内在维度。在联邦 PCA 和 EEG 运动想象分类上的实验表明，与欧几里得基线相比，该方法具有更高的效用，并且在相同的隐私预算下所需的噪声明显更少。
-
新的Lifted PCA方法将统计分析扩展到Wasserstein空间
研究人员推出了一种新颖的方法Lifted PCA，用于将主成分分析（PCA）扩展到Wasserstein空间中表示为概率分布的数据。与现有的平均和回归方法不同，这项新技术解决了该领域PCA的典型扩展缺失问题。Lifted PCA通过将经典的PCA公式从Stiefel和Grassmann流形提升到概率测度空间来实现这一点，从而与多边际最优传输和匹配对问题建立等价关系。该方法包括统计一致性的理论保证和实用算法，并通过数值实验证明了其在分布…
-
新的Lifted PCA方法将降维扩展到值域为分布的数据
研究人员推出了一种新颖的方法Lifted PCA，该方法将主成分分析（PCA）扩展到Wasserstein空间，从而实现了值域为分布的数据的降维。该方法利用凸扩展将经典的PCA公式从Stiefel和Grassmannian等流形提升到概率测度空间。该论文建立了与多边最优输运和匹配对团队问题在理论上的等价性，以及经验估计器和计算算法的统计一致性。
-
揭示了用于Grassmann值回归的新一致性预测框架
研究人员开发了一种新的用于Grassmann值响应回归任务的一致性预测框架。该方法直接在Grassmann流形上生成度量球作为预测区域，利用基不变量的几何距离。该框架包含一个学习到的预测难度估计器来调整非一致性分数，从而产生保持有限样本边际覆盖保证的输入相关区域。
-
新的 Adam 优化器泛化到流形以进行 Transformer 训练
研究人员开发了一种新颖的方法，将 Adam 优化器泛化到各种数学流形，这对于优化神经网络至关重要。这篇 arXiv 论文详细介绍了这种新方法，它利用齐性空间的结构来创建全局切空间表示，从而无需投影即可扩展 Adam 的步长。这种泛化优化器已成功应用于训练 Transformer 和辛自动编码器，通过高精度地强制执行正交性约束，展示了优于现有方法的性能。
-
Geo-LoRA框架通过几何感知子空间演化增强持续学习能力
研究人员开发了Geo-LoRA，一个新颖的几何感知框架，旨在改进使用LoRA适配器的持续学习。该方法显式地调节共享和任务特定低秩子空间的演化，以防止表示不稳定和子空间拥挤。Geo-LoRA采用了子空间投影保持和自适应核心-松弛对齐等技术用于共享子空间，以及中位数校准块重叠用于任务特定子空间。该框架在各种基准测试中始终如一地实现最先进的性能，而无需额外的适配器类型。
-
新的随机特征方法可高效近似Grassmannian核
研究人员开发了一种使用随机特征图近似Grassmannian核的新方法。该方法解决了传统方法在处理大型、高维子空间数据集时遇到的计算和内存限制。所提出的技术利用秩一投影和有界非线性变换来创建有效的核近似，实验证明该近似能够准确地保留Grassmannian几何结构。
-
New method for asynchronous eigenspace computation on Grassmannian
本文介绍了一种在分布式系统中进行异步特征空间计算的新颖方法，重点关注Grassmannian流形。所提出的Grassmannian增量聚合技术通过仅刷新到达的组件并重用缓存的梯度来最小化每次更新的成本，从而避免了全局同步。该方法利用外在极坐标更新来保持内在子空间几何，并提供了一个由宽盆地和局部区域特征化的两阶段线性收敛，在主成分分析的实验中证明了样本效率和挂钟时间的收敛性得到了提高。
-
新的RPMA框架增强了谱方法以实现鲁棒聚类
研究人员开发了一个名为正则化投影矩阵近似（RPMA）的新框架，以提高机器学习中谱方法的鲁棒性。RPMA将正则化项纳入经典的谱投影，从而实现更鲁棒、稀疏和可解释的秩-K投影矩阵估计。该框架被表述为Grassmann流形上的优化问题，并开发了黎曼梯度投影算法以高效求解。实验表明，在噪声条件下，RPMA在社区检测和聚类方面优于传统方法。
-
cXGBoost 适配降阶模型以用于工程模拟
研究人员开发了一个名为 Constrained Extreme Gradient Boosting (cXGBoost) 的新框架，以提高工程模拟中使用的降阶模型 (ROM) 的准确性。该方法通过将 Proper Orthogonal Decomposition (POD) 基预测为系统参数的函数来适配 ROM 的基构造。通过利用 Grassmann 流形上的几何表示并在训练期间施加范数约束，cXGBoost 确保了逆映射的有效性并保…