論文の概要: Perturbation Bounds for (Nearly) Orthogonally Decomposable Tensors
- arxiv url: http://arxiv.org/abs/2007.09024v2
- Date: Fri, 21 Jan 2022 15:10:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 14:50:48.497046
- Title: Perturbation Bounds for (Nearly) Orthogonally Decomposable Tensors
- Title(参考訳): 直交分解型テンソルの摂動境界
- Authors: Arnab Auddy, Ming Yuan
- Abstract要約: より高次テンソル摂動は、分離において各本質的な特異値/ベクトルに影響を及ぼすことを示す。
我々の結果は容易に適用でき、統計学と機械学習における多くの異なる問題に対して統一的な処理を提供することができる。
- 参考スコア(独自算出の注目度): 13.104413212606577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop deterministic perturbation bounds for singular values and vectors
of orthogonally decomposable tensors, in a spirit similar to classical results
for matrices such as those due to Weyl, Davis, Kahan and Wedin. Our bounds
demonstrate intriguing differences between matrices and higher-order tensors.
Most notably, they indicate that for higher-order tensors perturbation affects
each essential singular value/vector in isolation, and its effect on an
essential singular vector does not depend on the multiplicity of its
corresponding singular value or its distance from other singular values. Our
results can be readily applied and provide a unified treatment to many
different problems in statistics and machine learning involving spectral
learning of higher-order orthogonally decomposable tensors. In particular, we
illustrate the implications of our bounds in the context of high dimensional
tensor SVD problem, and how it can be used to derive optimal rates of
convergence for spectral learning.
- Abstract(参考訳): 直交分解可能なテンソルの特異値とベクトルに対する決定論的摂動境界を、ワイル、デービス、カーン、ヴェーディンなどの行列に対する古典的な結果に類似した精神で展開する。
我々の境界は、行列と高次テンソルの興味深い違いを示している。
最も注目すべきは、高階テンソルの摂動がそれぞれの本質的特異値/ベクトルに独立に影響を及ぼすことであり、本質的特異ベクトルに対する影響は対応する特異値の多重度や他の特異値との距離に依存しない。
我々の結果は容易に適用でき、高次直交分解可能なテンソルのスペクトル学習を含む統計学と機械学習における多くの異なる問題に対する統一的な処理を提供する。
特に,高次元テンソルSVD問題の文脈における境界の影響と,スペクトル学習における収束の最適率の導出について述べる。
関連論文リスト
- Error Analysis of Tensor-Train Cross Approximation [88.83467216606778]
我々は, テンソル全体の精度保証を行う。
結果は数値実験により検証され、高次テンソルに対するクロス近似の有用性に重要な意味を持つ可能性がある。
論文 参考訳(メタデータ) (2022-07-09T19:33:59Z) - ER: Equivariance Regularizer for Knowledge Graph Completion [107.51609402963072]
我々は、新しい正規化器、すなわち等分散正規化器(ER)を提案する。
ERは、頭と尾のエンティティ間の意味的等価性を利用することで、モデルの一般化能力を高めることができる。
実験結果から,最先端関係予測法よりも明確かつ実質的な改善が示された。
論文 参考訳(メタデータ) (2022-06-24T08:18:05Z) - High-Order Multilinear Discriminant Analysis via Order-$\textit{n}$
Tensor Eigendecomposition [0.0]
本稿では,高次マルチリニア判別分析(HOMLDA)と呼ばれるテンソルベースマルチリニア判別分析への新しいアプローチを提案する。
提案手法は,現在のタッカー分解に基づく教師あり学習法に対して,分類性能の向上を実現する。
論文 参考訳(メタデータ) (2022-05-18T19:49:54Z) - On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。
分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2022-02-28T13:01:04Z) - When Random Tensors meet Random Matrices [50.568841545067144]
本稿では,ガウス雑音を伴う非対称次数-$d$スパイクテンソルモデルについて検討する。
検討したモデルの解析は、等価なスパイクされた対称テクシットブロック-ワイドランダム行列の解析に起因していることを示す。
論文 参考訳(メタデータ) (2021-12-23T04:05:01Z) - TenIPS: Inverse Propensity Sampling for Tensor Completion [34.209486541525294]
MNAR観測による部分観察テンソルの完成問題について検討した。
元のテンソルと確率テンソルの両方が、多線型ランクが低いと仮定する。
このアルゴリズムはまず凸リラクゼーションを用いて確率を推定し、次に高次SVDアプローチを用いて欠落値を予測する。
論文 参考訳(メタデータ) (2021-01-01T22:13:19Z) - Sparse Nonnegative Tensor Factorization and Completion with Noisy
Observations [22.928734507082574]
部分的および雑音的な観測から, スパース非負のテンソル分解と完成問題について検討した。
提案手法の誤差境界は, 一般の騒音観測において確立可能であることを示す。
論文 参考訳(メタデータ) (2020-07-21T07:17:52Z) - Spectral Learning on Matrices and Tensors [74.88243719463053]
テンソル分解は行列法で欠落する潜伏効果を拾うことができることを示す。
また,効率的なテンソル分解法を設計するための計算手法についても概説する。
論文 参考訳(メタデータ) (2020-04-16T22:53:00Z) - Eigendecomposition-Free Training of Deep Networks for Linear
Least-Square Problems [107.3868459697569]
我々は、ディープネットワークのトレーニングに固有分解のないアプローチを導入する。
この手法は固有分解の明示的な微分よりもはるかに堅牢であることを示す。
我々の手法は収束特性が良く、最先端の結果が得られます。
論文 参考訳(メタデータ) (2020-04-15T04:29:34Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。