Fugu-MT 論文翻訳(概要): More Efficient Sampling for Tensor Decomposition

論文の概要: More Efficient Sampling for Tensor Decomposition

arxiv url: http://arxiv.org/abs/2110.07631v1
Date: Thu, 14 Oct 2021 18:00:31 GMT
ステータス: 処理完了
システム内更新日: 2021-10-18 15:17:11.198063
Title: More Efficient Sampling for Tensor Decomposition
Title（参考訳）: テンソル分解のためのより効率的なサンプリング
Authors: Osman Asif Malik
Abstract要約: CPおよびテンソルリング分解のためのサンプリングベースALS法を提案する。本稿では, 特徴抽出実験において, 詳細な理論的解析と手法の適用について述べる。
参考スコア（独自算出の注目度）: 2.28438857884398
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent papers have developed alternating least squares (ALS) methods for CP and tensor ring decomposition with a per-iteration cost which is sublinear in the number of input tensor entries for low-rank decomposition. However, the per-iteration cost of these methods still has an exponential dependence on the number of tensor modes. In this paper, we propose sampling-based ALS methods for the CP and tensor ring decompositions whose cost does not have this exponential dependence, thereby significantly improving on the previous state-of-the-art. We provide a detailed theoretical analysis and also apply the methods in a feature extraction experiment.
Abstract（参考訳）: 近年, cp とテンソル環分解のための交互最小二乗法 (als) を開発し, 低ランク分解の入力テンソル入力数をサブリニアに設定した。しかし、これらの方法のイテレーションあたりのコストはテンソルモードの数に指数関数的に依存している。本稿では,コストが指数関数的依存性を持たないcpおよびテンソル環分解に対するサンプリングに基づくals法を提案する。詳細な理論解析を行い,その手法を特徴抽出実験に適用する。

関連論文リスト

Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文参考訳（メタデータ） (2024-08-20T19:06:02Z)
A Multi-resolution Low-rank Tensor Decomposition [10.196333441334895]
階層的な方法でテンソルを記述するために,多分解能の低ランクテンソル分解を提案する。分解の中心的な考え方は、テンソルを複数の低次元テンソルに再キャストし、異なる解像度で構造を利用することである。
論文参考訳（メタデータ） (2024-05-27T19:44:29Z)
Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文参考訳（メタデータ） (2023-04-10T17:54:38Z)
Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic Analysis For DDIM-Type Samplers [90.45898746733397]
本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
論文参考訳（メタデータ） (2023-03-06T18:59:19Z)
Improving Diffusion Models for Inverse Problems using Manifold Constraints [55.91148172752894]
我々は,現在の解法がデータ多様体からサンプルパスを逸脱し,エラーが蓄積することを示す。この問題に対処するため、多様体の制約に着想を得た追加の補正項を提案する。本手法は理論上も経験上も従来の方法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-02T09:06:10Z)
Lattice partition recovery with dyadic CART [79.96359947166592]
我々は、$d$次元格子上の加法ガウス雑音によって破損したピースワイド定値信号について検討する。この形式のデータは、多くのアプリケーションで自然に発生し、統計処理や信号処理の文献において、信号の検出やテスト、ノイズの除去、推定といったタスクが広く研究されている。本稿では,未知の信号の一貫性領域によって誘導される格子の分割を推定する,分割回復の問題について考察する。我々は、DCARTベースの手順が、下位分割を$sigma2 k*の順序で一貫して推定することを証明した。
論文参考訳（メタデータ） (2021-05-27T23:41:01Z)
Robust Tensor Principal Component Analysis: Exact Recovery via Deterministic Model [5.414544833902815]
本稿では,ロバストテンソル主成分分析法(RTPCA)を提案する。これは最近開発されたテンソルテンソル積とテンソル特異値分解(t-SVD)に基づいている。
論文参考訳（メタデータ） (2020-08-05T16:26:10Z)
Enhanced nonconvex low-rank approximation of tensor multi-modes for tensor completion [1.3406858660972554]
我々は、新しい低ランク近似テンソルマルチモード(LRATM)を提案する。ブロックバウンド法に基づくアルゴリズムは,提案手法を効率的に解くために設計されている。 3種類の公開多次元データセットの数値計算結果から,本アルゴリズムは様々な低ランクテンソルを復元可能であることが示された。
論文参考訳（メタデータ） (2020-05-28T08:53:54Z)
Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。この場合、最先端の結果を上回る新たな複雑さが証明される。本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
論文参考訳（メタデータ） (2020-05-21T17:05:27Z)
Tensor completion via nonconvex tensor ring rank minimization with guaranteed convergence [16.11872681638052]
近年の研究では、テンソル環(TR)のランクはテンソル完備化において高い効果を示している。最近提案されたTRランクは、特異値が等しくペナル化される重み付き和の中で構造を捉えることに基づいている。本稿では,ロゼット型関数を非スムーズな緩和法として利用することを提案する。
論文参考訳（メタデータ） (2020-05-14T03:13:17Z)
A Unified Framework for Coupled Tensor Completion [42.19293115131073]
結合テンソル分解は、潜在結合因子に由来する事前知識を組み込むことで、結合データ構造を明らかにする。 TRは強力な表現能力を持ち、いくつかの多次元データ処理アプリケーションで成功している。提案手法は, 合成データに関する数値実験で検証され, 実世界のデータに対する実験結果は, 回収精度の観点から, 最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-01-09T02:15:46Z)

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。