大规模机器学习相关论文
近年来,多核聚类(MKC)在融合多源信息以提高聚类性能方面取得了显著进展。但是,以n表示样本数,O(n2)内存消耗和O n 3计算消耗限制......
本文研究了凸优化理论在大规模机器学习中的应用,给出了基于Fenchel对偶理论的核Logistic回归并行分类算法(PDS)以及基于割平面理......
超大规模的模式识别问题是现在机器学习算法在实际应用中遇到的越来越多的一个难题。随着信息时代的到来,现实中这种大规模问题是......
随着互联网信息规模的急速膨胀,对大规模数据进行快速处理、学习和挖掘的需求也变得越来越多。在许多真实应用比如社交网络中,具有......
针对包含噪声与干扰数据的大规模机器学习问题，采用非凸Ramp损失函数抑制噪声和干扰数据的影响，提出一种基于随机优化的非凸线性支持......
给出了一种人规模核Logistic回归的并行学习算法．利用凸优化中的Fenchel对偶定理，将核Logistic回归的优化原问题转换成对偶空间的优......
随着机器学习技术深入研究,高维数据问题逐步引起学术界和产业界的广泛兴趣,机器学习模型、求解算法在高维数据上面临着新的挑战。......
随着大数据时代的到来,机器学习模型规模变得越来越大,随机梯度下降(Stochastic Gradient Descent,SGD)算法及其分布式并行变体成......
高斯过程是一种函数的分布,在机器学习领域常用于回归.对于n个训练样本,其训练和预测时间复杂度分别为O(n^3)和O(n^2),因此难以应......
随着互联网技术的发展以及随之而来的信息高流动性,互联网广告成为了商家推崇的一种主流营销方式,广告收入也已经成为互联网公司收......
