Fugu-MT 論文翻訳(概要): Reverse Annealing for Nonnegative/Binary Matrix Factorization

論文の概要: Reverse Annealing for Nonnegative/Binary Matrix Factorization

arxiv url: http://arxiv.org/abs/2007.05565v2
Date: Tue, 12 Jan 2021 16:42:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 21:41:14.326833
Title: Reverse Annealing for Nonnegative/Binary Matrix Factorization
Title（参考訳）: 非負行列分解のための逆アニーリング
Authors: John Golden, Daniel O'Malley
Abstract要約: 近年、量子アニールはある種の行列分解アルゴリズムにおいて有効で高速なサブルーチンとして用いられることが示されている。本稿では,非負・二項行列分解問題に対して,量子アニーリングサブルーチンの前方アニーリングの代わりに逆アニーリングを利用する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It was recently shown that quantum annealing can be used as an effective, fast subroutine in certain types of matrix factorization algorithms. The quantum annealing algorithm performed best for quick, approximate answers, but performance rapidly plateaued. In this paper, we utilize reverse annealing instead of forward annealing in the quantum annealing subroutine for nonnegative/binary matrix factorization problems. After an initial global search with forward annealing, reverse annealing performs a series of local searches that refine existing solutions. The combination of forward and reverse annealing significantly improves performance compared to forward annealing alone for all but the shortest run times.
Abstract（参考訳）: 近年、量子アニールはある種の行列分解アルゴリズムにおいて有効で高速なサブルーチンとして用いられることが示されている。量子アニーリングアルゴリズムは、迅速で近似的な答えに最適だったが、性能は急速に高まった。本稿では,非負行列分解問題に対する量子アニーリングサブルーチンの前方アニーリングの代わりに逆アニーリングを利用する。フォワードアニーリングによる最初のグローバルサーチの後、リバースアニーリングは、既存のソリューションを洗練する一連のローカルサーチを実行する。前と逆の焼鈍の組み合わせは、最も短い実行時間を除いて、前と逆の焼鈍だけでは性能が著しく向上する。

関連論文リスト

Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
論文参考訳（メタデータ） (2024-10-28T04:47:39Z)
Reverse quantum annealing assisted by forward annealing [0.0]
我々は、全体の解の質と量を改善する一般的な方法を用いる。グラフ彩色問題に対するスケーリング解析は,本手法が計算範囲を効果的に拡張していることを示している。
論文参考訳（メタデータ） (2024-08-24T15:13:24Z)
Comparing Quantum Annealing and Spiking Neuromorphic Computing for Sampling Binary Sparse Coding QUBO Problems [2.249916681499244]
画像と超完全で非正規基底が与えられた場合、与えられた入力を最もよく再構成する最小のベクトル集合を示すスパース二進ベクトルを求める。これにより二次二元最適化問題 (QUBO) が得られ、その最適解は一般にNPハードである。次に、小さな埋め込みによるペガサスチップ接続を備えたD-Waveアニーラーと、Intel Loihi 2のスパイクニューロモルフィックプロセッサの両方に実装することで、スパース表現QUBOを解決する。
論文参考訳（メタデータ） (2024-05-30T22:56:15Z)
A fixed-point algorithm for matrix projections with applications in quantum information [7.988085110283119]
このアルゴリズムは反復数において最適解に指数関数的に収束することを示す。量子資源理論および量子シャノン理論における我々のアルゴリズムのいくつかの応用について論じる。
論文参考訳（メタデータ） (2023-12-22T11:16:11Z)
Stochastic Optimization for Non-convex Problem with Inexact Hessian Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。 TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文参考訳（メタデータ） (2023-10-18T10:29:58Z)
A fast Multiplicative Updates algorithm for Non-negative Matrix Factorization [2.646309221150203]
本稿では,各サブプロブレムに対してヘッセン行列のより厳密な上界を構築することにより,乗法更新アルゴリズムの改善を提案する。コンバージェンスはまだ保証されており、我々は実際に合成と実世界の両方のデータセットで、提案したfastMUアルゴリズムが通常の乗算更新アルゴリズムよりも数桁高速であることを示す。
論文参考訳（メタデータ） (2023-03-31T12:09:36Z)
Ising formulation of integer optimization problems for utilizing quantum annealing in iterative improvement strategy [1.14219428942199]
繰り返し改善戦略において量子アニーリングを利用するために,整数最適化問題のイジング定式化を提案する。基底状態と候補解との重なりがしきい値を超えた場合, 完全に連結されたフェロポッツモデルに対して一階相転移を回避できることを解析的に示す。
論文参考訳（メタデータ） (2022-11-08T02:12:49Z)
Matrix Completion via Non-Convex Relaxation and Adaptive Correlation Learning [90.8576971748142]
閉形式解によって最適化できる新しいサロゲートを開発する。そこで我々は, 上向きの相関関係を利用して, 適応的相関学習モデルを構築した。
論文参考訳（メタデータ） (2022-03-04T08:50:50Z)
An Accelerated Variance-Reduced Conditional Gradient Sliding Algorithm for First-order and Zeroth-order Optimization [111.24899593052851]
条件勾配アルゴリズム(Frank-Wolfeアルゴリズムとも呼ばれる)は、最近、機械学習コミュニティで人気を取り戻している。 ARCSは、ゼロ階最適化において凸問題を解く最初のゼロ階条件勾配スライディング型アルゴリズムである。 1次最適化では、ARCSの収束結果は、勾配クエリのオラクルの数で、従来のアルゴリズムよりも大幅に優れていた。
論文参考訳（メタデータ） (2021-09-18T07:08:11Z)
Self-supervised Symmetric Nonnegative Matrix Factorization [82.59905231819685]
シンメトリー非負係数行列(SNMF)は、データクラスタリングの強力な方法であることを示した。より良いクラスタリング結果を求めるアンサンブルクラスタリングにインスパイアされた,自己監視型SNMF(S$3$NMF)を提案する。 SNMFのコード特性に対する感度を、追加情報に頼らずに活用しています。
論文参考訳（メタデータ） (2021-03-02T12:47:40Z)
A Scalable, Adaptive and Sound Nonconvex Regularizer for Low-rank Matrix Completion [60.52730146391456]
そこで我々は,適応的かつ音質の高い"核フロベニウスノルム"と呼ばれる新しい非スケーラブルな低ランク正規化器を提案する。特異値の計算をバイパスし、アルゴリズムによる高速な最適化を可能にする。既存の行列学習手法では最速でありながら、最先端の回復性能が得られる。
論文参考訳（メタデータ） (2020-08-14T18:47:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。