Fugu-MT 論文翻訳(概要): Sampling-Based Decomposition Algorithms for Arbitrary Tensor Networks

論文の概要: Sampling-Based Decomposition Algorithms for Arbitrary Tensor Networks

arxiv url: http://arxiv.org/abs/2210.03828v1
Date: Fri, 7 Oct 2022 21:46:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-11 19:52:20.874400
Title: Sampling-Based Decomposition Algorithms for Arbitrary Tensor Networks
Title（参考訳）: 任意テンソルネットワークのサンプリングに基づく分解アルゴリズム
Authors: Osman Asif Malik, Vivek Bharadwaj, Riley Murray
Abstract要約: テンソルを任意のテンソルネットワーク(TN)形式に分解するためのサンプリングベース交互最小二乗(ALS)アルゴリズムの開発方法について述べる。特徴抽出実験において、サンプリングフレームワークを用いた2つのテンソル分解アルゴリズムを実装し、テストする。
参考スコア（独自算出の注目度）: 5.672132510411465
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show how to develop sampling-based alternating least squares (ALS) algorithms for decomposition of tensors into any tensor network (TN) format. Provided the TN format satisfies certain mild assumptions, resulting algorithms will have input sublinear per-iteration cost. Unlike most previous works on sampling-based ALS methods for tensor decomposition, the sampling in our framework is done according to the exact leverage score distribution of the design matrices in the ALS subproblems. We implement and test two tensor decomposition algorithms that use our sampling framework in a feature extraction experiment where we compare them against a number of other decomposition algorithms.
Abstract（参考訳）: テンソルを任意のテンソルネットワーク(TN)形式に分解するためのサンプリングベース交互最小二乗(ALS)アルゴリズムの開発方法について述べる。 TNフォーマットがある程度の軽度な仮定を満たすと、結果としてアルゴリズムは入力サブ線形化のコストがかかる。テンソル分解のためのサンプリングベースALS法に関する従来の研究とは異なり、我々のフレームワークにおけるサンプリングはALSサブプロブレムの設計行列の正確なレバレッジスコア分布に基づいて行われる。提案手法は,2つのテンソル分解アルゴリズムを実装し,他の多くの分解アルゴリズムと比較した特徴抽出実験を行う。

関連論文リスト

Gradient Coding with Iterative Block Leverage Score Sampling [42.21200677508463]
変換したデータのサンプリングサブセットに対応するために,$ell$-subspace埋め込みのためのレバレッジスコアサンプリングスケッチを一般化する。これを用いて、一階法に対する近似符号付き計算手法を導出する。
論文参考訳（メタデータ） (2023-08-06T12:22:12Z)
Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models [98.95988351420334]
本稿では,事前学習した潜在拡散モデルを利用した線形逆問題の解法を初めて提案する。線形モデル設定において,証明可能なサンプル回復を示すアルゴリズムを理論的に解析する。
論文参考訳（メタデータ） (2023-07-02T17:21:30Z)
Structured Voronoi Sampling [61.629198273926676]
本稿では,勾配に基づく手法を用いた言語モデルから抽出する原理的アプローチの構築に向けて重要な一歩を踏み出す。我々は勾配に基づく構造ヴォロノイサンプリング(Structured Voronoi Smpling, SVS)と呼ぶ。制御された生成タスクでは、SVSは流動的で多様なサンプルを生成できるが、制御対象は他の方法よりもはるかに優れている。
論文参考訳（メタデータ） (2023-06-05T17:32:35Z)
Learning Rate Free Sampling in Constrained Domains [21.853333421463603]
我々は、完全に学習率の低い制約付き領域をサンプリングするための新しい粒子ベースのアルゴリズム一式を導入する。我々は,本アルゴリズムの性能を,単純度に基づくターゲットからのサンプリングを含む,様々な数値的な例で示す。
論文参考訳（メタデータ） (2023-05-24T09:31:18Z)
Plug-and-Play split Gibbs sampler: embedding deep generative priors in Bayesian inference [12.91637880428221]
本稿では, 後方分布から効率的にサンプリングするために, 可変分割を利用したプラグアンドプレイサンプリングアルゴリズムを提案する。後方サンプリングの課題を2つの単純なサンプリング問題に分割する。その性能は最近の最先端の最適化とサンプリング手法と比較される。
論文参考訳（メタデータ） (2023-04-21T17:17:51Z)
Langevin Monte Carlo for Contextual Bandits [72.00524614312002]
Langevin Monte Carlo Thompson Sampling (LMC-TS) が提案されている。提案アルゴリズムは,文脈的帯域幅の特別な場合において,最高のトンプソンサンプリングアルゴリズムと同じサブ線形残差を達成できることを示す。
論文参考訳（メタデータ） (2022-06-22T17:58:23Z)
Calibrate and Debias Layer-wise Sampling for Graph Convolutional Networks [39.56471534442315]
本稿では,行列近似の観点からアプローチを再考する。本稿では,サンプリング確率と効率的なデバイアスアルゴリズムを構築するための新しい原理を提案する。改良は、推定分散の広範囲な解析と、一般的なベンチマークの実験によって実証される。
論文参考訳（メタデータ） (2022-06-01T15:52:06Z)
SNIPS: Solving Noisy Inverse Problems Stochastically [25.567566997688044]
本稿では,線形逆問題の後部分布からサンプルを抽出するSNIPSアルゴリズムを提案する。我々の解はランゲヴィン力学とニュートン法からのアイデアを取り入れ、事前訓練された最小二乗誤差(MMSE)を利用する。得られたサンプルは、与えられた測定値と鋭く、詳細で一致しており、それらの多様性は、解決される逆問題に固有の不確実性を明らかにする。
論文参考訳（メタデータ） (2021-05-31T13:33:21Z)
Analysis and Design of Thompson Sampling for Stochastic Partial Monitoring [91.22679787578438]
部分モニタリングのためのトンプソンサンプリングに基づく新しいアルゴリズムを提案する。局所可観測性を持つ問題の線形化変種に対して,新たなアルゴリズムが対数問題依存の擬似回帰$mathrmO(log T)$を達成することを証明した。
論文参考訳（メタデータ） (2020-06-17T05:48:33Z)
Nearly Linear Row Sampling Algorithm for Quantile Regression [54.75919082407094]
データの次元にほぼ線形なサンプル複雑性を持つ量子化損失関数の行サンプリングアルゴリズムを提案する。行サンプリングアルゴリズムに基づいて、量子レグレッションの最も高速なアルゴリズムと、バランスの取れた有向グラフのグラフスペーシフィケーションアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-15T13:40:07Z)
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)

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。