論文の概要: PARAFAC2-based Coupled Matrix and Tensor Factorizations
- arxiv url: http://arxiv.org/abs/2210.13054v1
- Date: Mon, 24 Oct 2022 09:20:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 15:34:21.447900
- Title: PARAFAC2-based Coupled Matrix and Tensor Factorizations
- Title（参考訳）: parafac2に基づく結合行列とテンソル因子分解
- Authors: Carla Schenker, Xiulin Wang and Evrim Acar
- Abstract要約: 本稿では,全てのモードや線形結合に様々な制約を課す可能性を考慮した PARAFAC2 ベースのCMTF モデルを適合させるアルゴリズムフレームワークを提案する。
数値実験により,提案手法は様々な制約や線形結合を用いて,基礎となるパターンを正確に復元することを示した。
- 参考スコア（独自算出の注目度）: 1.7188280334580195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coupled matrix and tensor factorizations (CMTF) have emerged as an effective
data fusion tool to jointly analyze data sets in the form of matrices and
higher-order tensors. The PARAFAC2 model has shown to be a promising
alternative to the CANDECOMP/PARAFAC (CP) tensor model due to its flexibility
and capability to handle irregular/ragged tensors. While fusion models based on
a PARAFAC2 model coupled with matrix/tensor decompositions have been recently
studied, they are limited in terms of possible regularizations and/or types of
coupling between data sets. In this paper, we propose an algorithmic framework
for fitting PARAFAC2-based CMTF models with the possibility of imposing various
constraints on all modes and linear couplings, using Alternating Optimization
(AO) and the Alternating Direction Method of Multipliers (ADMM). Through
numerical experiments, we demonstrate that the proposed algorithmic approach
accurately recovers the underlying patterns using various constraints and
linear couplings.
- Abstract（参考訳）: 結合行列とテンソル因子化(CMTF)は、行列と高次テンソルの形でデータセットを共同で解析する有効なデータ融合ツールとして登場した。
PARAFAC2モデルはCANDECOMP/PARAFAC(CP)テンソルモデルの柔軟性と不規則・ラガーテンソルの処理能力から、有望な代替品であることが示されている。
行列/テンソル分解と結合したparafac2モデルに基づく融合モデルは近年研究されているが、データセット間の正規化や結合のタイプは限られている。
本稿では,すべてのモードや線形結合に様々な制約を課すことができるような PARAFAC2 ベースのCMTF モデルを,AO (Alternating Optimization) と ADMM (Alternating Direction Method of Multipliers) を用いたアルゴリズムフレームワークを提案する。
数値実験により,提案手法が様々な制約と線形結合を用いて,基礎となるパターンを正確に復元できることを実証する。
関連論文リスト
- Sparse Tensor PCA via Tensor Decomposition for Unsupervised Feature Selection [8.391109286933856]
パラメータ行列の投影方向を利用して教師なし特徴選択を行う2つのスパース主成分分析(STPCA)モデルを開発した。
両方のモデルに対して、各サブプロブレムの最適解がエルミート正正半定円錐(HPSD)に落ちることを証明する。
実験結果によると,提案手法は異なるデータテンソルシナリオの処理に適しており,最先端のUFS手法よりも優れていた。
論文 参考訳（メタデータ） (2024-07-24T04:04:56Z) - PARAFAC2-based Coupled Matrix and Tensor Factorizations with Constraints [1.0519027757362966]
AO(Alternating Optimization)とADMM(Alternating Direction Method of Multipliers)を用いたPARAFAC2ベースのCMTFモデルに適合するフレキシブルなアルゴリズムフレームワークを提案する。
様々なシミュレーションと実際のデータセットの実験は、提案したフレームワークの有用性と汎用性を示している。
論文 参考訳（メタデータ） (2024-06-18T07:05:31Z) - Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。
本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
論文 参考訳（メタデータ） (2024-02-14T16:10:42Z) - Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。
本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。
さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
論文 参考訳（メタデータ） (2023-03-29T14:54:19Z) - Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。
この問題は楕円分布のペナルティ化された最大推定値として表される。
楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文 参考訳（メタデータ） (2022-10-21T13:19:45Z) - An AO-ADMM approach to constraining PARAFAC2 on all modes [6.3172660601651]
乗算器の交互方向法(AO-ADMM)による交互最適化に基づくPARAFAC2の組付けアルゴリズムを提案する。
提案したPARAFAC2 AO-ADMMアプローチは柔軟な制約を許容し、基礎となるパターンを正確に復元し、最先端技術と比較して計算効率が良いことを示す。
論文 参考訳（メタデータ） (2021-10-04T09:39:01Z) - PARAFAC2 AO-ADMM: Constraints in all modes [6.901159341430921]
本稿では, PARAFAC2 を適合させる乗算器 (ADMM) ベースのアルゴリズムの交互方向法を提案し, 任意の近似関数に対して正則化のペナルティを拡大する。
数値実験により, PARAFAC2のADMMに基づく手法により, シミュレーションデータから基礎成分を精度良く回収できることが示されている。
論文 参考訳（メタデータ） (2021-02-03T14:42:18Z) - Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。
提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文 参考訳（メタデータ） (2020-09-29T15:00:47Z) - A Flexible Optimization Framework for Regularized Matrix-Tensor
Factorizations with Linear Couplings [5.079136838868448]
行列とテンソルの分解を結合するフレキシブルなアルゴリズムフレームワークを提案する。
このフレームワークは、様々な制約、損失関数、線形変換との結合の使用を容易にする。
論文 参考訳（メタデータ） (2020-07-19T06:49:59Z) - Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。
我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文 参考訳（メタデータ） (2020-07-13T03:27:45Z) - Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。
MVSCに適合する新しい構造テンソル低ランクノルムを設計する。
提案手法は最先端の手法よりもかなり優れていることを示す。
論文 参考訳（メタデータ） (2020-04-30T11:52:12Z)
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。