Large-scale semi-supervised learning with online spectral graph sparsification

Daniele Calandriello 1 Alessandro Lazaric 1 Michal Valko 1
1 SEQUEL - Sequential Learning
Inria Lille - Nord Europe, CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
Abstract : We introduce Sparse-HFS, a scalable algorithm that can compute solutions to SSL problems using only O(n polylog(n)) space and O(m polylog(n)) time.
Type de document :
Communication dans un congrès
Resource-Efficient Machine Learning workshop at International Conference on Machine Learning, Jul 2015, Lille, France
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger
https://hal.inria.fr/hal-01544929
Contributeur : Michal Valko <>
Soumis le : jeudi 22 juin 2017 - 11:56:25
Dernière modification le : mardi 3 juillet 2018 - 11:34:56
Document(s) archivé(s) le : mercredi 10 janvier 2018 - 14:35:29

Fichier

calandriello2015large-scale.pd...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01544929, version 1

Collections

INSTITUT-TELECOM | INRIA | CRISTAL-SEQUEL | CRISTAL | UNIV-LILLE

Citation

Daniele Calandriello, Alessandro Lazaric, Michal Valko. Large-scale semi-supervised learning with online spectral graph sparsification. Resource-Efficient Machine Learning workshop at International Conference on Machine Learning, Jul 2015, Lille, France. 〈hal-01544929〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

228

Téléchargements de fichiers

95

Contact


archive-ouverte@inria.fr