Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.22929

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2506.22929 (cs)
[提交于 2025年6月28日 ]

标题: 基于数组编程和并行加速的高维数据数学计算

标题: Mathematical Computation on High-dimensional Data via Array Programming and Parallel Acceleration

Authors:Chen Zhang
摘要: 虽然深度学习在自然图像和语言处理方面表现出色,但其在高维数据中的应用由于维度灾难面临计算挑战。 当前的大规模数据工具侧重于面向业务的描述性统计,缺乏对高级分析的数学统计支持。 我们提出了一种基于空间完备性的并行计算架构,将高维数据分解为维度独立的结构以进行分布式处理。 该框架实现了数据挖掘与并行优化机器学习方法的无缝集成,在统一系统中支持医疗和自然图像等多种数据类型的科学计算。
摘要: While deep learning excels in natural image and language processing, its application to high-dimensional data faces computational challenges due to the dimensionality curse. Current large-scale data tools focus on business-oriented descriptive statistics, lacking mathematical statistics support for advanced analysis. We propose a parallel computation architecture based on space completeness, decomposing high-dimensional data into dimension-independent structures for distributed processing. This framework enables seamless integration of data mining and parallel-optimized machine learning methods, supporting scientific computations across diverse data types like medical and natural images within a unified system.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 图像与视频处理 (eess.IV); 信号处理 (eess.SP)
引用方式: arXiv:2506.22929 [cs.LG]
  (或者 arXiv:2506.22929v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.22929
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chen Zhang [查看电子邮件]
[v1] 星期六, 2025 年 6 月 28 日 15:42:23 UTC (673 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.AI
cs.LG
eess.IV
eess.SP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号