Exact Sampling of Determinantal Point Processes without Eigendecomposition

Abstract : Determinantal point processes (DPPs) enable the modelling of repulsion: they provide diverse sets of points. This repulsion is encoded in a kernel K that we can see as a matrix storing the similarity between points. The usual algorithm to sample DPPs is exact but it uses the spectral decomposition of K, a computation that becomes costly when dealing with a high number of points. Here, we present an alternative exact algorithm that avoids the eigenvalues and the eigenvectors computation and that is, for some applications, faster than the original algorithm.
Type de document :
Pré-publication, Document de travail
2018
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01710266
Contributeur : Claire Launay <>
Soumis le : mardi 30 octobre 2018 - 10:32:57
Dernière modification le : jeudi 15 novembre 2018 - 01:11:22

Fichiers

Exact_sampling_of_DPP_without_...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01710266, version 3
  • ARXIV : 1802.08429

Citation

Claire Launay, Bruno Galerne, Agnès Desolneux. Exact Sampling of Determinantal Point Processes without Eigendecomposition. 2018. 〈hal-01710266v3〉

Partager

Métriques

Consultations de la notice

1

Téléchargements de fichiers

3