論文の概要: Multi-version Tensor Completion for Time-delayed Spatio-temporal Data

• arxiv url: http://arxiv.org/abs/2105.05326v1
• Date: Tue, 11 May 2021 19:55:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-14 01:16:06.223334
• Title: Multi-version Tensor Completion for Time-delayed Spatio-temporal Data
• Title（参考訳）: 時間遅延時空間データに対するマルチバージョンテンソル補完
• Authors: Cheng Qian, Nikos Kargas, Cao Xiao, Lucas Glass, Nicholas Sidiropoulos, Jimeng Sun
• Abstract要約: 実世界の時間データは、様々なデータ読み込み遅延のために不完全または不正確な場合が多い。 経時的に更新を予測するための低ランクテンソルモデルを提案する。 最良基準法に比べて最大27.2%低いルート平均二乗誤差が得られる。
• 参考スコア（独自算出の注目度）: 50.762087239885936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world spatio-temporal data is often incomplete or inaccurate due to various data loading delays. For example, a location-disease-time tensor of case counts can have multiple delayed updates of recent temporal slices for some locations or diseases. Recovering such missing or noisy (under-reported) elements of the input tensor can be viewed as a generalized tensor completion problem. Existing tensor completion methods usually assume that i) missing elements are randomly distributed and ii) noise for each tensor element is i.i.d. zero-mean. Both assumptions can be violated for spatio-temporal tensor data. We often observe multiple versions of the input tensor with different under-reporting noise levels. The amount of noise can be time- or location-dependent as more updates are progressively introduced to the tensor. We model such dynamic data as a multi-version tensor with an extra tensor mode capturing the data updates. We propose a low-rank tensor model to predict the updates over time. We demonstrate that our method can accurately predict the ground-truth values of many real-world tensors. We obtain up to 27.2% lower root mean-squared-error compared to the best baseline method. Finally, we extend our method to track the tensor data over time, leading to significant computational savings.
• Abstract（参考訳）: 実世界の時空間データは、様々なデータ読み込み遅延のために不完全または不正確な場合が多い。 例えば、ケースカウントのロケーション・ディスリーズ時間テンソルは、いくつかの場所や病気に対する最近の時間スライスを複数の遅延で更新することができる。 このような入力テンソルの欠落またはノイズ(報告されていない)要素の復元は、一般化テンソル完備問題と見なすことができる。 既存のテンソル補完法は、i) 欠落要素がランダムに分布していると仮定し、ii) 各テンソル要素のノイズは i.i.d である。 ゼロ平均。 両方の仮定は時空間テンソルデータに対して違反することができる。 ノイズレベルが異なる入力テンソルの複数のバージョンを観察することがよくあります。 テンソルにより多くの更新が徐々に導入されるため、ノイズの量は時間や位置に依存します。 このような動的データを,データ更新をキャプチャする余分なテンソルモードを備えたマルチバージョンテンソルとしてモデル化する。 時間とともに更新を予測するために,低ランクテンソルモデルを提案する。 本手法は実世界テンソルの基底値を正確に予測できることを実証する。 最良基準法に比べて最大27.2%低いルート平均二乗誤差が得られる。 最後に,テンソルデータを時間とともに追跡する手法を拡張し,計算量を大幅に削減する。

関連論文リスト

• A Sparse Tensor Generator with Efficient Feature Extraction [1.3124513975412255]
  スパーステンソル演算の研究の大きな障害は、広範囲のスパーステンソルデータセットの欠如である。 我々は,実スパーステンソルの実質的な特徴を模倣するスマートスパーステンソルジェネレータを開発した。 筆者らのジェネレータの有効性は,特徴の質と分解性能によって検証される。
  論文  参考訳（メタデータ） (2024-05-08T10:28:20Z)
• Multi-Dictionary Tensor Decomposition [5.733331864416094]
  MDTD(Multi-Dictionary Decomposition)のためのフレームワークを提案する。 我々は、完全な入力と入力の両方を欠落した値で処理する、MDTDの一般的な最適化アルゴリズムを導出する。 何十億ものテンソルの欠落した値を、最先端の競合相手よりも正確かつ精巧に説明することができる。
  論文  参考訳（メタデータ） (2023-09-18T12:31:56Z)
• Low-Rank Tensor Function Representation for Multi-Dimensional Data Recovery [52.21846313876592]
  低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。 テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。 提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-12-01T04:00:38Z)
• Near-Linear Time and Fixed-Parameter Tractable Algorithms for Tensor Decompositions [51.19236668224547]
  テンソルの低階近似について検討し,テンソルトレインとタッカー分解に着目した。 テンソル列車の分解には、小さなビクリテリアランクを持つビクリテリア$(1 + eps)$-approximationアルゴリズムと、O(q cdot nnz(A))$ランニングタイムを与える。 さらに、任意のグラフを持つテンソルネットワークにアルゴリズムを拡張します。
  論文  参考訳（メタデータ） (2022-07-15T11:55:09Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)
• Efficient Tensor Completion via Element-wise Weighted Low-rank Tensor Train with Overlapping Ket Augmentation [18.438177637687357]
  本稿では,要素重み付け手法による新しいテンソル完備化手法を提案する。 具体的には,隣接ブロックからのエッジ要素の回復品質について検討する。 実験結果から,提案アルゴリズムのTWMac-TTは,他の競合するテンソル補完法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-13T06:50:37Z)
• MTC: Multiresolution Tensor Completion from Partial and Coarse Observations [49.931849672492305]
  既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。 この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T02:20:03Z)
• TenIPS: Inverse Propensity Sampling for Tensor Completion [34.209486541525294]
  MNAR観測による部分観察テンソルの完成問題について検討した。 元のテンソルと確率テンソルの両方が、多線型ランクが低いと仮定する。 このアルゴリズムはまず凸リラクゼーションを用いて確率を推定し、次に高次SVDアプローチを用いて欠落値を予測する。
  論文  参考訳（メタデータ） (2021-01-01T22:13:19Z)
• Time-Aware Tensor Decomposition for Missing Entry Prediction [14.61218681943499]
  不足エントリを持つ時間進化テンソルを考えると、不足エントリを正確に予測するために効果的に分解できるだろうか? 実世界のテンソルの新しいテンソル分解法であるTATD(Time-Aware Decomposition)を提案する。 TATDは時間テンソルを分解するための最先端の精度を提供する。
  論文  参考訳（メタデータ） (2020-12-16T10:52:34Z)
• Uncertainty quantification for nonconvex tensor completion: Confidence intervals, heteroscedasticity and optimality [92.35257908210316]
  本研究では,不完全かつ破損した観測によって与えられる低ランクテンソルを推定する問題について検討する。 改善不可能なレートをell-2$の精度で達成できることが分かりました。
  論文  参考訳（メタデータ） (2020-06-15T17:47:13Z)

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。