論文の概要: Two-way Spectrum Pursuit for CUR Decomposition and Its Application in
Joint Column/Row Subset Selection
- arxiv url: http://arxiv.org/abs/2106.06983v1
- Date: Sun, 13 Jun 2021 13:16:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-16 10:31:27.711415
- Title: Two-way Spectrum Pursuit for CUR Decomposition and Its Application in
Joint Column/Row Subset Selection
- Title(参考訳): CUR分解のための2方向スペクトル探索と共同カラム/ロウサブセット選択への応用
- Authors: Ashkan Esmaeili, Mohsen Joneidi, Mehrdad Salimitari, Umar Khalid, and
Nazanin Rahnavard
- Abstract要約: 本稿では,列列選択と行サブセット選択の同時選択の問題に対処する。
実際の列/行のサブセットを選択することで、列/行の最も構造的な情報をキャプチャするための反復的なアプローチが提案されている。
認知無線ネットワークにおける通信路とセンサ選択へのTWSPの適用を実証する。
- 参考スコア(独自算出の注目度): 9.649210683629127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The problem of simultaneous column and row subset selection is addressed in
this paper. The column space and row space of a matrix are spanned by its left
and right singular vectors, respectively. However, the singular vectors are not
within actual columns/rows of the matrix. In this paper, an iterative approach
is proposed to capture the most structural information of columns/rows via
selecting a subset of actual columns/rows. This algorithm is referred to as
two-way spectrum pursuit (TWSP) which provides us with an accurate solution for
the CUR matrix decomposition. TWSP is applicable in a wide range of
applications since it enjoys a linear complexity w.r.t. number of original
columns/rows. We demonstrated the application of TWSP for joint channel and
sensor selection in cognitive radio networks, informative users and contents
detection, and efficient supervised data reduction.
- Abstract(参考訳): 本稿では,列と行の同時選択の問題に対処する。
行列の列空間と行空間は、それぞれその左特異ベクトルと右特異ベクトルによって分割される。
しかし、特異ベクトルは行列の実際の列/行に含まれない。
本稿では,実際の列/行のサブセットを選択することにより,列/行の最も構造的な情報をキャプチャする反復的手法を提案する。
このアルゴリズムは、CUR行列分解の正確な解を提供する双方向スペクトル探索(TWSP)と呼ばれる。
TWSPは線形複雑性 w.r.t を持つため、幅広い応用に適用できる。
オリジナルの列/行の数。
認知無線ネットワークにおける通信路とセンサの選択,情報ユーザとコンテンツ検出,効率的な教師付きデータ削減のためのTWSPの適用を実証した。
関連論文リスト
- Multi-Subspace Matrix Recovery from Permuted Data [22.653890395053207]
我々は,外乱ベクトル回復のための外乱同定,部分空間再構成,外乱分類,教師なし検出を含む,新しい4段階のアルゴリズムパイプラインを開発した。
我々のパイプラインは、複数のベンチマークで最先端の競合相手と比較され、優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2024-12-17T14:07:44Z) - An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。
このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。
本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-09-30T15:57:14Z) - Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model [13.082805815235975]
行列データに対して行次元と列次元の両方に隠れたバリエーションを抽出するために,モードワイド・プリンシパル・サブスペース・スーツ (MOP-UP) と呼ばれる新しいフレームワークを導入する。
提案フレームワークの有効性と実用性は、シミュレーションと実データの両方の実験を通して実証される。
論文 参考訳(メタデータ) (2023-07-02T13:59:47Z) - Fair Column Subset Selection [6.004035936737586]
行列列を2つの群に分割した設定を考え,その目的は2つの群の最大誤差再構成を最小限に抑える列の部分集合を選択することである。
特定のシナリオでは、各グループごとに列を別々に選ぶことは避けられないため、期待される列数を2倍にする。
フェアセッティングのための決定論的レバレッジスコアサンプリング戦略を提案し、2つのグループが存在する場合、最小サイズのカラムサブセットのサンプリングがNPハードとなることを示す。
論文 参考訳(メタデータ) (2023-06-07T15:00:38Z) - A network community detection method with integration of data from
multiple layers and node attributes [0.0]
列がノードに対応し、列がデータ項目に対応しているデータマトリックスにおいて、ネットワークデータを単純な方法で表現する方法を提案する。
データ行列を圧縮するためには、非平方行列に対する正規分解法と呼ばれる拡張を提案する。
提案手法を,インターネットの自律システムグラフとワールドエアライングラフの2つの実ネットワークで説明する。
論文 参考訳(メタデータ) (2023-05-22T13:15:36Z) - Generalized Leverage Scores: Geometric Interpretation and Applications [15.86621510551207]
我々は、行列の列を特異ベクトルの任意の部分集合に関連付けるためにレバレッジスコアの定義を拡張する。
この結果を用いて、2つのよく知られた問題に対する証明可能な保証付き近似アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-06-16T10:14:08Z) - Dual-Flattening Transformers through Decomposed Row and Column Queries
for Semantic Segmentation [50.321277476317974]
本稿では,高解像度出力を実現するためにDual-Flattening Transformer (DFlatFormer)を提案する。
ADE20KおよびCityscapesデータセットの実験は、提案された2重平坦トランスアーキテクチャの優位性を実証している。
論文 参考訳(メタデータ) (2022-01-22T22:38:15Z) - Sketching as a Tool for Understanding and Accelerating Self-attention
for Long Sequences [52.6022911513076]
トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。
我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。
理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
論文 参考訳(メタデータ) (2021-12-10T06:58:05Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳(メタデータ) (2020-12-29T04:08:38Z) - Multi-View Spectral Clustering with High-Order Optimal Neighborhood
Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。
本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。
提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文 参考訳(メタデータ) (2020-08-31T12:28:40Z) - Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。
我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文 参考訳(メタデータ) (2020-04-23T05:00:21Z)
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。