arXiv stat.ML· Marcus M. Noack, Maher B. Alghalayini, Mark D. Risser·· 13 天前AI 评分33
基于 |D| 维稀疏地标嵌入的非 CND 距离度量通用核框架
A General Kernel Framework for Non-CND Distance Measures Using |D|-Dimensional Sparse Landmark Embeddings
AI 导读
研究人员提出稀疏地标嵌入（SLE）核框架，通过以全部 |D| 个训练点为中心的紧支撑隆起函数将输入映射为稀疏特征向量，彻底消除了高斯过程等核方法对条件负定（CND）距离的依赖。该方法在任意距离度量下均可证明保持半正定性（PSD），并具备通用逼近能力与计算可控的良态条件。实验显示，SLE 核在使用测地线距离和 Wasserstein 距离时的预测精度与不确定性量化均匹敌或大幅超越领域特定基准。
来源：arXiv stat.ML · arxiv.org