論文の概要: Adaptive Noisy Matrix Completion
- arxiv url: http://arxiv.org/abs/2203.08340v1
- Date: Wed, 16 Mar 2022 01:20:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-18 04:55:45.009738
- Title: Adaptive Noisy Matrix Completion
- Title(参考訳): Adaptive Noisy Matrix Completion
- Authors: Ilqar Ramazanli
- Abstract要約: 回復を目標とする行列 $mathbfM$ は、束縛された小さな雑音を付加した低ランク行列として構成されていると仮定する。
この問題を適応的な設定で検討し、下層の低ランク部分空間と雑音付加部分空間との角度の上限を連続的に推定する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-rank matrix completion has been studied extensively under various type of
categories. The problem could be categorized as noisy completion or exact
completion, also active or passive completion algorithms. In this paper we
focus on adaptive matrix completion with bounded type of noise. We assume that
the matrix $\mathbf{M}$ we target to recover is composed as low-rank matrix
with addition of bounded small noise. The problem has been previously studied
by \cite{nina}, in a fixed sampling model. Here, we study this problem in
adaptive setting that, we continuously estimate an upper bound for the angle
with the underlying low-rank subspace and noise-added subspace. Moreover, the
method suggested here, could be shown requires much smaller observation than
aforementioned method.
- Abstract(参考訳): 低ランク行列の完備化は様々な種類で広く研究されている。
問題はノイズのある完了または正確な完了、アクティブまたはパッシブな完了アルゴリズムに分類される。
本稿では,有界型雑音を用いた適応行列補完に着目する。
回復を目標とする行列 $\mathbf{M}$ は、束縛された小さな雑音を加えた低ランク行列として構成されると仮定する。
この問題は以前、固定サンプリングモデルで \cite{nina} によって研究されてきた。
そこで本研究では,低ランク部分空間と雑音付加部分空間との角度の上限を連続的に推定する適応的な設定でこの問題を考察する。
さらに, 提案手法は, 上記の方法よりもはるかに小さな観察を必要とする。
関連論文リスト
- Semi-Supervised Laplacian Learning on Stiefel Manifolds [67.29074577550405]
我々は、ララシアグラフの非プラサート一般化の枠組みを改革する。
低ラベルレートでの教師付きサンプルの臨界中心性に対処する。
私たちのコードは提出のためにオンフットコノニマス化されています。
論文 参考訳(メタデータ) (2023-07-31T20:19:36Z) - Borda Regret Minimization for Generalized Linear Dueling Bandits [65.09919504862496]
本稿では,ボルダスコアが最も高い項目を識別することを目的とした,デュエルバンディットに対するボルダ後悔最小化問題について検討する。
本稿では,多くの既存モデルをカバーする一般化線形デュエルバンドモデルのリッチクラスを提案する。
我々のアルゴリズムは$tildeO(d2/3 T2/3)$ regretを達成し、これも最適である。
論文 参考訳(メタデータ) (2023-03-15T17:59:27Z) - Partial Matrix Completion [29.68420094716923]
この研究は、部分行列完備化の新しい枠組みを確立する。
目標は、高い信頼性で完成できるエントリの大規模なサブセットを特定することである。
本稿では,以下の証明可能な保証付き効率的なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-25T12:47:20Z) - Robust Matrix Completion with Heavy-tailed Noise [0.5837881923712392]
本稿では,重み付き潜在的非対称雑音の存在下での低ランク行列の完全性について検討する。
本稿では,大規模かつ非対称な誤りに対して頑健な重み付き雑音に適応するハマー損失を適応的に適用する。
誤差の2番目のモーメント条件下では、ユークリッド誤差は最小値の統計的推定誤差に到達するまで幾何的に早く落ちることが証明される。
論文 参考訳(メタデータ) (2022-06-09T04:48:48Z) - Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。
6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端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) (2022-05-21T01:47:17Z) - Matrix Completion with Sparse Noisy Rows [3.42658286826597]
非退化雑音モデル下での高精度な低ランク化について検討する。
本稿では,各行が列の代わりにランダムノイズを受けることができると仮定する。
論文 参考訳(メタデータ) (2022-04-01T05:45:43Z) - 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) - Solving weakly supervised regression problem using low-rank manifold
regularization [77.34726150561087]
我々は弱い教師付き回帰問題を解く。
weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。
数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
論文 参考訳(メタデータ) (2021-04-13T23:21:01Z) - 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) - Optimal Exact Matrix Completion Under new Parametrization [0.0]
適応サンプリング法を用いて、$m倍 n$ の階数 $r$ の行列の正確な完備化の問題を研究した。
対象行列を正確に復元する行列補完アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-02-06T18:31:47Z) - Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles [61.247089049339664]
特徴不確かさ下における文脈線形帯域問題について検討する。
最適な仮説は、ノイズ特性によって基礎となる実現可能性関数から遠ざかることができる。
本研究では,ベイズ神託を観測情報から目的とするアルゴリズムを提案する。
論文 参考訳(メタデータ) (2017-03-03T21:39:56Z)
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。