研究使用统计数据加快内核选择的方法

 
通过使用近似而不是显式的“内核”函数来提取非常大的数据集中的关系，KAUST研究人员已经能够极大地加快机器学习的速度。该方法有望在大数据时代大大提高人工智能(AI)的速度。
当AI暴露于大量未知数据集时，它需要分析数据并开发描述该集合中的关系的模型或函数。此函数或内核的计算是一项计算量很大的任务，随着数据集的大小，其复杂性呈立方增加(至3的幂)。在大数据时代和对AI的分析越来越依赖的时代，这提出了一个真正的问题，即内核选择会变得不切实际地耗时。
在高新的监督下，丁立中及其同事一直在研究使用统计数据加快内核选择的方法。
丁说：“准确选择内核的计算复杂度通常与样本数量成三次方。” “这种三次缩放对大数据是禁止的。相反，我们提出了一种近似的内核选择方法，该方法可以在不牺牲预测性能的情况下显着提高内核选择的效率。”
真实或准确的内核提供了数据集中关系的逐字描述。研究人员发现，可以使用统计数据来得出近似内核，该内核几乎与精确版本一样好，但是可以根据数据集的大小以线性而不是三次缩放的速度更快地计算很多倍。
为了开发该方法，团队必须构建专门设计的内核矩阵或数学数组，这些矩阵可以快速计算。他们还必须建立选择近似内核的规则和理论界限，以保证学习性能。
丁说：“主要的挑战是我们需要设计同时满足这两点的新算法。”
通过将误差估计和数学逼近相结合，研究人员能够证明其近似核与精确核保持一致，然后在实际示例中证明了其性能。
丁说：“我们已经证明，诸如我们的计算框架之类的近似方法可以为解决基于内核的学习方法提供足够的准确性，而不会给精确方法带来不切实际的计算负担。” “这为需要可伸缩性的数据挖掘和生物信息学问题提供了一种有效的解决方案。”