HyperAIHyperAI

Command Palette

Search for a command to run...

خوارزمية مجموعة نشطة تعتمد على الأوراكل للتصنيف الفرعي القابل للتوسع باستخدام الشبكة المرنة

Chong You; Chun-Guang Li; Daniel P. Robinson; Rene Vidal

الملخص

تستند طرق التجميع الفرعي المتطورة إلى التعبير عن كل نقطة بيانات كمزيج خطي لنقاط البيانات الأخرى مع تنظيم مصفوفة المعاملات باستخدام مقاييس 1\ell_11، 2\ell_22 أو النواة النووية. يضمن التنظيم بمقاس 1\ell_11 الحصول على ترابط فرعي (أي لا يوجد روابط بين نقاط من فراغات مختلفة) تحت ظروف نظرية واسعة، لكن التجمعات قد لا تكون متصلة. غالبًا ما يحسن التنظيم بمقاس 2\ell_22 والنواة النووية من الاتصال، ولكنهما يوفران ترابطًا فرعيًا فقط للفراغات المستقلة. تقدم التنظيمات المختلطة بين 1\ell_11، 2\ell_22 والنواة النووية توازنًا بين خصائص الترابط الفرعي والاتصال، ولكن هذا يأتي على حساب زيادة التعقيد الحسابي. يدرس هذا البحث الهندسة الإنشائية للمنظم الشبكي المرنة (مزيج من مقاسي 1\ell_11 و2\ell_22) ويستخدمها لاستنتاج طريقة مجموعة نشطة صحيحة ومتوافقة للعثور على المعاملات المثلى. كما أن تحليلنا الهندسي يقدم تبريرًا نظريًا وتفسيرًا هندسيًا للتوازن بين خاصية الاتصال (نتيجة للتنظيم بمقاس 2\ell_22) وخاصة الترابط الفرعي (نتيجة للتنظيم بمقاس 1\ell_11) في التجميع الفرعي بالشبكة المرنة. أظهرت تجاربنا أن الطريقة المقترحة لمجموعة النشطة ليس فقط تحقق أداءً متميزًا في التجميع، بل أيضًا تعالج قواعد البيانات الكبيرة بكفاءة عالية.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp