論文の概要: Lifelong Matrix Completion with Sparsity-Number
- arxiv url: http://arxiv.org/abs/2203.07637v2
- Date: Wed, 16 Mar 2022 00:51:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-17 11:40:58.736995
- Title: Lifelong Matrix Completion with Sparsity-Number
- Title（参考訳）: sparsity-number を用いた生涯行列補完
- Authors: Ilqar Ramazanli
- Abstract要約: マトリックス補完問題はこれまで、様々な適応的および受動的設定下で研究されてきた。
本稿では,スパーシリティ数の概念を用いて,単相カラム空間復元アルゴリズムを提案する。
これらの手法は多相行列回復アルゴリズムと同じくらい効率的であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Matrix completion problem has been previously studied under various adaptive
and passive settings. Previously, researchers have proposed passive, two-phase
and single-phase algorithms using coherence parameter, and multi phase
algorithm using sparsity-number. It has been shown that the method using
sparsity-number reaching to theoretical lower bounds in many conditions.
However, the aforementioned method is running in many phases through the matrix
completion process, therefore it makes much more informative decision at each
stage. Hence, it is natural that the method outperforms previous algorithms. In
this paper, we are using the idea of sparsity-number and propose and
single-phase column space recovery algorithm which can be extended to two-phase
exact matrix completion algorithm. Moreover, we show that these methods are as
efficient as multi-phase matrix recovery algorithm. We provide experimental
evidence to illustrate the performance of our algorithm.
- Abstract（参考訳）: マトリックス補完問題はこれまで、様々な適応的および受動的設定下で研究されてきた。
これまで,コヒーレンスパラメータを用いたパッシブ,二相,単相のアルゴリズムと,空間数を用いた多相アルゴリズムが提案されてきた。
多くの条件において, 空間数を用いた理論的下界への到達法が示されている。
しかし、上記の方法は行列完了過程を通じて多くのフェーズで実行されているため、各段階においてより有意義な決定を行う。
したがって、この手法が従来のアルゴリズムより優れていることは当然である。
本稿では,スパーシティ数の概念を用いて,二相完全行列補完アルゴリズムに拡張可能な単相列空間復元アルゴリズムを提案する。
さらに,本手法は多相行列復元アルゴリズムと同等の効率性を示す。
提案アルゴリズムの性能を示す実験的な証拠を提供する。
関連論文リスト
- A fixed-point algorithm for matrix projections with applications in
quantum information [7.988085110283119]
このアルゴリズムは反復数において最適解に指数関数的に収束することを示す。
量子資源理論および量子シャノン理論における我々のアルゴリズムのいくつかの応用について論じる。
論文 参考訳（メタデータ） (2023-12-22T11:16:11Z) - Efficient Numerical Algorithm for Large-Scale Damped Natural Gradient
Descent [7.368877979221163]
本研究では,パラメータ数が利用可能なサンプル数を大幅に上回る大規模シナリオにおいて,減衰したフィッシャー行列を効率的に解くアルゴリズムを提案する。
アルゴリズムはColesky分解に基づいており、一般に適用可能である。ベンチマークの結果、既存の手法よりもかなり高速であることが示されている。
論文 参考訳（メタデータ） (2023-10-26T16:46:13Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - Learning the Positions in CountSketch [49.57951567374372]
本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。
本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-06-11T07:28:35Z) - Survey of Matrix Completion Algorithms [3.42658286826597]
NetflixがNetflix Prize問題を発表して以来、マトリックスのコンプリート問題はさまざまな条件で調査されてきた。
主に受動方向および適応方向の行列補完法について検討する。
論文 参考訳（メタデータ） (2022-04-01T05:44:47Z) - Fast Differentiable Matrix Square Root and Inverse Square Root [65.67315418971688]
微分可能な行列平方根と逆平方根を計算するためのより効率的な2つの変種を提案する。
前方伝搬には, Matrix Taylor Polynomial (MTP) を用いる方法と, Matrix Pad'e Approximants (MPA) を使用する方法がある。
一連の数値実験により、両方の手法がSVDやNSの繰り返しと比較してかなりスピードアップすることが示された。
論文 参考訳（メタデータ） (2022-01-29T10:00:35Z) - Fast Differentiable Matrix Square Root [65.67315418971688]
微分可能な行列平方根を計算するために、より効率的な2つの変種を提案する。
前方伝播には, Matrix Taylor Polynomial (MTP) を用いる方法がある。
もう1つの方法は Matrix Pad'e Approximants (MPA) を使うことである。
論文 参考訳（メタデータ） (2022-01-21T12:18:06Z) - A Fully Single Loop Algorithm for Bilevel Optimization without Hessian
Inverse [121.54116938140754]
両レベル最適化問題に対して,Hessian 逆フリーな完全単一ループアルゴリズムを提案する。
我々のアルゴリズムは$O(epsilon-2)$と収束することを示す。
論文 参考訳（メタデータ） (2021-12-09T02:27:52Z) - Fast Projected Newton-like Method for Precision Matrix Estimation under
Total Positivity [15.023842222803058]
現在のアルゴリズムはブロック座標降下法や近点アルゴリズムを用いて設計されている。
本稿では,2次元投影法に基づく新しいアルゴリズムを提案し,慎重に設計された探索方向と変数分割方式を取り入れた。
合成および実世界のデータセットに対する実験結果から,提案アルゴリズムは最先端の手法と比較して計算効率を著しく向上させることを示した。
論文 参考訳（メタデータ） (2021-12-03T14:39:10Z) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-08T21:05:30Z) - Quantum Algorithms for Prediction Based on Ridge Regression [0.7612218105739107]
本稿では,リッジ回帰モデルに基づく量子アルゴリズムを提案する。
提案アルゴリズムは幅広い応用範囲を持ち,提案アルゴリズムは他の量子アルゴリズムのサブルーチンとして利用することができる。
論文 参考訳（メタデータ） (2021-04-27T11:03:52Z)
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。