論文の概要: Fast Robust Tensor Principal Component Analysis via Fiber CUR Decomposition

• arxiv url: http://arxiv.org/abs/2108.10448v1
• Date: Mon, 23 Aug 2021 23:49:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-25 14:23:05.499084
• Title: Fast Robust Tensor Principal Component Analysis via Fiber CUR Decomposition
• Title（参考訳）: 繊維CUR分解による高速ロバストテンソル主成分分析
• Authors: HanQin Cai, Zehan Chao, Longxiu Huang, Deanna Needell
• Abstract要約: テンソルサブトラクション主成分分析 (TRPCA) の問題について検討し, 基礎となる低マルチランクテンソルとアウトラヤをその和から分離することを目的とした。 本研究では,経験的スパース問題に対する高速非線形分解アルゴリズムであるRobust CURCURを提案する。
• 参考スコア（独自算出の注目度）: 8.821527277034336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of tensor robust principal component analysis (TRPCA), which aims to separate an underlying low-multilinear-rank tensor and a sparse outlier tensor from their sum. In this work, we propose a fast non-convex algorithm, coined Robust Tensor CUR (RTCUR), for large-scale TRPCA problems. RTCUR considers a framework of alternating projections and utilizes the recently developed tensor Fiber CUR decomposition to dramatically lower the computational complexity. The performance advantage of RTCUR is empirically verified against the state-of-the-arts on the synthetic datasets and is further demonstrated on the real-world application such as color video background subtraction.
• Abstract（参考訳）: 本稿では,基礎となる低乗数テンソルとスパースアウトリーテンソルをその和から分離することを目的としたテンソルロバスト主成分分析(TRPCA)の問題について検討する。 本研究では,大規模なTRPCA問題に対して,ロバストテンソルCUR (RTCUR) という高速非凸アルゴリズムを提案する。 RTCURは射影の交互化の枠組みを考え、最近開発されたテンソルファイバーCUR分解を利用して計算複雑性を劇的に下げる。 RTCURの性能優位性は、合成データセットの最先端技術に対して実証的に検証され、カラービデオ背景抽出のような実世界のアプリケーションでさらに実証される。

関連論文リスト

• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Deep Unrolling for Nonconvex Robust Principal Component Analysis [75.32013242448151]
  我々はロバスト成分分析のためのアルゴリズムを設計する(A) 行列を低主行列とスパース主行列の和に分解する。
  論文  参考訳（メタデータ） (2023-07-12T03:48:26Z)
• Scalable and Robust Tensor Ring Decomposition for Large-scale Data [12.02023514105999]
  本稿では,大規模テンソルデータに欠落したエントリと粗悪な破損を扱えるスケーラブルで堅牢なTR分解アルゴリズムを提案する。 まず, 欠落したエントリを適応的に満たし, 分解過程における外れ値の同定が可能な, 自己重み付き急勾配降下法を開発した。
  論文  参考訳（メタデータ） (2023-05-15T22:08:47Z)
• Robust Tensor CUR Decompositions: Rapid Low-Tucker-Rank Tensor Recovery with Sparse Corruption [8.738540032356305]
  大規模コンポーネント分析問題に対するRobust CURというフレームワークを開発した。 州法に対するRTCURの有効性と利点を示す。
  論文  参考訳（メタデータ） (2023-05-06T16:02:37Z)
• Bridging Component Learning with Degradation Modelling for Blind Image Super-Resolution [69.11604249813304]
  視覚障害者のためのコンポーネント分解・協調最適化ネットワーク(CDCN)を提案する。 CDCNは入力LR画像を特徴空間の構造と詳細成分に分解する。 本稿では,HR画像の細部と構造復元過程を協調的に監督する,劣化駆動型学習戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-03T14:53:56Z)
• Fast and Provable Tensor Robust Principal Component Analysis via Scaled Gradient Descent [30.299284742925852]
  本稿では、テンソルロバスト主成分分析(RPCA)に取り組む。 希少な腐敗によって汚染された観測から低ランクのテンソルを回収することを目的としている。 提案アルゴリズムは, 最先端行列やテンソルRPCAアルゴリズムよりも, より優れた, よりスケーラブルな性能を実現する。
  論文  参考訳（メタデータ） (2022-06-18T04:01:32Z)
• Riemannian CUR Decompositions for Robust Principal Component Analysis [4.060731229044571]
  近年,ロバスト主成分分析 (PCA) が注目されている。 本稿では,頑健なPCA分解アルゴリズムであるRobustian CURを提案する。 かなりの量のアウトレージを許容することができ、より高いアウトレージ耐性を持つが、提案手法よりも計算複雑性の悪いAccelerated Projectionsに匹敵する。
  論文  参考訳（メタデータ） (2022-06-17T22:58:09Z)
• 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)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Mode-wise Tensor Decompositions: Multi-dimensional Generalizations of CUR Decompositions [9.280330114137778]
  知通とファイバーCURの2つの主要なテンソルCUR近似における特性評価、摂動解析、および効率的なサンプリング戦略について検討する。
  論文  参考訳（メタデータ） (2021-03-19T22:00:21Z)

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。