Randomized sketches for kernel CCA
Randomized sketches for kernel CCA
复制标题
内核 CCA 的随机草图
DOI：
10.1016/j.neunet.2020.04.006
复制
发表时间：
2020-04
期刊：
影响因子：
7.8
通讯作者：
Wenqi Lu
中科院分区：
文献类型：
--
作者：
Heng Lian;Fode Zhang;Wenqi Lu
核典型相关分析（KCCA）是典型相关分析的一种非线性扩展，是一种流行的分析工具。在文献中已经建立了一致性和最优收敛速度。然而，KCCA的时间复杂度为O（n 3），因此当n很大时是禁止的。基于核岭回归（KRR）随机草图的最新研究成果，提出了一种m维随机草图方法（m<< n）.从技术上讲，我们建立我们的理论结果依赖于一个有趣的KCCA和KRR之间的连接，利用一种新的“对偶跟踪”设备，交替之间的无限维算子理论为基础的KCCA和有限维内核矩阵为基础的视图。
Kernel canonical correlation analysis (KCCA) is a popular tool as a nonlinear extension of canonical correlation analysis. Consistency and optimal convergence rate have been established in the literature. However, the time complexity of KCCA scales as O (n 3) and is thus prohibitive when n is large. We propose an m-dimensional randomized sketches approach for KCCA with m<< n, based on the recent work on randomized sketches for kernel ridge regression (KRR). Technically we establish our theoretical results relying on an interesting connection between KCCA and KRR by utilizing a novel “duality tracking” device that alternates between the infinite-dimensional operator-theory-based view of KCCA and the finite-dimensional kernel-matrix-based view.
登录
查看更多内容
DOI：
10.1016/j.jmva.2016.05.008
发表时间：
2016-09
期刊：
J. Multivar. Anal.
影响因子：
--
作者：
Zengyan Fan;H. Lian
通讯作者：
Zengyan Fan;H. Lian
影响因子：
1
作者：
Brad Ballinger;Nadia M. Benbernou;Prosenjit Bose;Mirela Damian;E. Demaine;V. Dujmovic;Robin Y. Flatland;Ferran Hurtado;J. Iacono;A. Lubiw;Pat Morin;Vera Sacristán Adinolfi;D. Souvaine;Ryuhei Uehara
通讯作者：
Brad Ballinger;Nadia M. Benbernou;Prosenjit Bose;Mirela Damian;E. Demaine;V. Dujmovic;Robin Y. Flatland;Ferran Hurtado;J. Iacono;A. Lubiw;Pat Morin;Vera Sacristán Adinolfi;D. Souvaine;Ryuhei Uehara
影响因子：
4.5
作者：
Zhao T;Cheng G;Liu H
通讯作者：
Liu H
DOI：
10.1214/16-aos1472
发表时间：
2015-01
期刊：
ArXiv
影响因子：
--
作者：
Yun Yang;Mert Pilanci;M. Wainwright
通讯作者：
Yun Yang;Mert Pilanci;M. Wainwright
DOI：
10.5555/2789272.2831141
发表时间：
2013-06
期刊：
ArXiv
影响因子：
--
作者：
Ping Ma;Michael W. Mahoney;Bin Yu
通讯作者：
Ping Ma;Michael W. Mahoney;Bin Yu