論文の概要: Adaptive incomplete multi-view learning via tensor graph completion

• arxiv url: http://arxiv.org/abs/2208.03710v1
• Date: Sun, 7 Aug 2022 12:53:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:50:08.156380
• Title: Adaptive incomplete multi-view learning via tensor graph completion
• Title（参考訳）: テンソルグラフ補完による適応的不完全多視点学習
• Authors: Heng Zhang and Xiaohong Chen
• Abstract要約: 新たな不完全多視点学習法を提案する。 新しいテンソルノルムは、グラフテンソルデータリカバリを実装するために定義される。 各ビューにアダプティブウェイトを設けて、異なるビューの重要性を調整する。
• 参考スコア（独自算出の注目度）: 6.420606485422583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advancement of the data acquisition techniques, multi-view learning has become a hot topic. Some multi-view learning methods assume that the multi-view data is complete, which means that all instances are present, but this too ideal. Certain tensor-based methods for handing incomplete multi-view data have emerged and have achieved better result. However, there are still some problems, such as use of traditional tensor norm which makes the computation high and is not able to handle out-of-sample. To solve these two problems, we proposed a new incomplete multi view learning method. A new tensor norm is defined to implement graph tensor data recover. The recovered graphs are then regularized to a consistent low-dimensional representation of the samples. In addition, adaptive weights are equipped to each view to adjust the importance of different views. Compared with the existing methods, our method nor only explores the consistency among views, but also obtains the low-dimensional representation of the new samples by using the learned projection matrix. An efficient algorithm based on inexact augmented Lagrange multiplier (ALM) method are designed to solve the model and convergence is proved. Experimental results on four datasets show the effectiveness of our method.
• Abstract（参考訳）: データ取得技術の進歩により、マルチビュー学習はホットな話題となっている。 一部のマルチビュー学習手法では、マルチビューデータは完全である、つまりすべてのインスタンスが存在するが、これは理想的すぎる、と仮定している。 不完全なマルチビューデータを手渡すテンソルベースの方法が出現し、より良い結果が得られた。 しかし、計算を高くし、サンプル外処理ができない従来のテンソルノルムの使用など、まだいくつか問題がある。 これら2つの問題を解決するために、我々は新しい不完全多視点学習法を提案した。 新しいテンソルノルムは、グラフテンソルデータリカバリを実装するために定義される。 得られたグラフは、サンプルの一貫した低次元表現に正規化される。 さらに、各ビューに適応重みを設けて、異なるビューの重要性を調整する。 既存の手法と比較して,本手法はビュー間の一貫性を探求するだけでなく,学習した投影行列を用いて新しいサンプルの低次元表現を得る。 inexact augmented lagrange multiplier (alm) 法に基づく効率的なアルゴリズムはモデルを解くために設計され、収束が証明される。 4つのデータセットにおける実験結果から,本手法の有効性を示す。

関連論文リスト

• Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
  乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。 本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。 提案手法の有効性を4つの標準ベンチマークで示す。
  論文  参考訳（メタデータ） (2024-07-10T16:51:32Z)
• Joint Projection Learning and Tensor Decomposition Based Incomplete Multi-view Clustering [21.925066554821168]
  不完全なマルチビュークラスタリングのための新しい統合投影分解法(JPLTD)を提案する。 JPLTDは高次元データにおける冗長な特徴やノイズの影響を軽減する。 いくつかのベンチマークデータセットの実験では、JPLTDが最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2023-10-06T06:19:16Z)
• Graph Polynomial Convolution Models for Node Classification of Non-Homophilous Graphs [52.52570805621925]
  本研究では,高階グラフ畳み込みからの効率的な学習と,ノード分類のための隣接行列から直接学習する。 得られたモデルが新しいグラフと残留スケーリングパラメータをもたらすことを示す。 提案手法は,非親和性パラメータのノード分類における精度の向上を実証する。
  論文  参考訳（メタデータ） (2022-09-12T04:46:55Z)
• Latent Heterogeneous Graph Network for Incomplete Multi-View Learning [57.49776938934186]
  非完全多視点学習のための新しい遅延不均質グラフネットワーク(LHGN)を提案する。 統一された潜在表現を学習することにより、異なる視点間の一貫性と相補性の間のトレードオフが暗黙的に実現される。 学習とテストフェーズの不整合を回避するため,分類タスクのグラフ学習に基づくトランスダクティブ学習手法を適用した。
  論文  参考訳（メタデータ） (2022-08-29T15:14:21Z)
• C$^{2}$IMUFS: Complementary and Consensus Learning-based Incomplete Multi-view Unsupervised Feature Selection [12.340714611533418]
  マルチビュー非教師付き特徴選択(MUFS)は、ラベルなしデータの次元を減少させる有効な手法として実証されている。 本稿では、上記の問題に対処するため、補完的かつコンセンサスに基づく不完全なマルチビュー非教師付き特徴選択法(C$2$IMUFS)を提案する。 C$2$IMUFSは、ビューウェイトとスパース$ell_2,p$-normの適応学習を備えた拡張重み付き非負行列分解モデルに特徴選択を統合する。
  論文  参考訳（メタデータ） (2022-08-20T19:39:17Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案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） (2021-04-11T03:25:25Z)
• Uncorrelated Semi-paired Subspace Learning [7.20500993803316]
  一般化された非相関なマルチビューサブスペース学習フレームワークを提案する。 フレームワークの柔軟性を示すために,教師なし学習と教師なし学習の両方のための5つの新しいセミペアモデルをインスタンス化する。 提案するモデルは,ベースラインよりも競争力が高い。
  論文  参考訳（メタデータ） (2020-11-22T22:14:20Z)
• Multilayer Clustered Graph Learning [66.94201299553336]
  我々は、観測された層を代表グラフに適切に集約するために、データ忠実度用語として対照的な損失を用いる。 実験により,本手法がクラスタクラスタw.r.tに繋がることが示された。 クラスタリング問題を解くためのクラスタリングアルゴリズムを学習する。
  論文  参考訳（メタデータ） (2020-10-29T09:58:02Z)
• A Solution for Large Scale Nonlinear Regression with High Rank and Degree at Constant Memory Complexity via Latent Tensor Reconstruction [0.0]
  本稿では,高非線形多変量関数を例から学習する新しい手法を提案する。 この手法は、連続函数をバイスで近似できるという性質を生かし、テンソルで表現できる。 モデルを学習するために,線形時間で実装可能な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） (2020-05-04T14:49:14Z)
• Evolving Losses for Unsupervised Video Representation Learning [91.2683362199263]
  大規模未ラベル映像データから映像表現を学習する新しい手法を提案する。 提案した教師なし表現学習では,単一のRGBネットワークが実現し,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-02-26T16:56:07Z)

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。