論文の概要: Robust Manifold Nonnegative Tucker Factorization for Tensor Data Representation

• arxiv url: http://arxiv.org/abs/2211.03934v1
• Date: Tue, 8 Nov 2022 01:16:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 16:20:05.186393
• Title: Robust Manifold Nonnegative Tucker Factorization for Tensor Data Representation
• Title（参考訳）: テンソルデータ表現のためのロバストマニフォールド非負タッカー因子化
• Authors: Jianyu Wang, Linruize Tang, Jie Chen, Jingdong Chen
• Abstract要約: 非負のタッカー因子化 (NTF) はユークリッド距離を最小化し、元のデータと低ランク近似との間のクルバック・リブラーのばらつきを最小化する。 NTF は回転のあいまいさに悩まされ、回転変換と非回転変換の解は、最大公約値を得るという意味で等しく等しい。 本稿では,3つのRobust Manifold NTFアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 44.845291873747335
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Nonnegative Tucker Factorization (NTF) minimizes the euclidean distance or Kullback-Leibler divergence between the original data and its low-rank approximation which often suffers from grossly corruptions or outliers and the neglect of manifold structures of data. In particular, NTF suffers from rotational ambiguity, whose solutions with and without rotation transformations are equally in the sense of yielding the maximum likelihood. In this paper, we propose three Robust Manifold NTF algorithms to handle outliers by incorporating structural knowledge about the outliers. They first applies a half-quadratic optimization algorithm to transform the problem into a general weighted NTF where the weights are influenced by the outliers. Then, we introduce the correntropy induced metric, Huber function and Cauchy function for weights respectively, to handle the outliers. Finally, we introduce a manifold regularization to overcome the rotational ambiguity of NTF. We have compared the proposed method with a number of representative references covering major branches of NTF on a variety of real-world image databases. Experimental results illustrate the effectiveness of the proposed method under two evaluation metrics (accuracy and nmi).
• Abstract（参考訳）: 非負のタッカー因子化 (NTF) はユークリッド距離やクルバック・リーブラーの原データと低ランク近似との分岐を最小化し、これはしばしば大雑把な汚職や外れ値に悩まされ、データの多様体構造を無視する。 特に、NTFは回転のあいまいさに悩まされており、回転変換と非回転変換の解は、極大極大を得られるという意味で等しく等しい。 本稿では,外れ値に関する構造的知識を取り入れることで外れ値を扱うための3つの頑健な多様体ntfアルゴリズムを提案する。 まず、半量子最適化アルゴリズムを適用して問題を一般重み付きntfに変換し、重み付けは外れ値に影響される。 次に, 重みに対するコレントロピー誘導計量, フーバー関数, コーシー関数をそれぞれ導入し, 外れ値を扱う。 最後に、NTFの回転あいまいさを克服する多様体正規化を導入する。 提案手法を,さまざまな実世界の画像データベース上でNTFの主要なブランチをカバーする代表的参照と比較した。 実験結果は,2つの評価指標(精度とnmi)に基づく提案手法の有効性を示す。

関連論文リスト

• Variance-Reducing Couplings for Random Features [57.73648780299374]
  ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。 ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。 パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
  論文  参考訳（メタデータ） (2024-05-26T12:25:09Z)
• Triple Component Matrix Factorization: Untangling Global, Local, and Noisy Components [13.989390077752232]
  ノイズの多いデータから特徴抽出の共通点と特異点の問題を解く。 問題の複雑な性質にもかかわらず、対応するKarushKuhn-Tuckerアルゴリズムを解くことでテイラー級数の特徴付けを行う。 ビデオセグメンテーションと異常検出の数値実験は、TCMFの優れた特徴抽出能力を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-03-21T14:41:12Z)
• Wasserstein Nonnegative Tensor Factorization with Manifold Regularization [14.845504084471527]
  ワッサーシュタイン多様体非負テンソル分解(WMNTF)を導入する。 我々は、計量としてワッサーシュタイン距離(すなわちアースモーバー距離または最適輸送距離)を使用し、潜在因子にグラフ正規化子を加える。 実験により,提案手法の有効性を他のNMF法やNTF法と比較した。
  論文  参考訳（メタデータ） (2024-01-03T17:20:27Z)
• 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)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• Hard-label Manifolds: Unexpected Advantages of Query Efficiency for Finding On-manifold Adversarial Examples [67.23103682776049]
  画像分類モデルに対する最近のゼロオーダーのハードラベル攻撃は、ファーストオーダーのグラデーションレベルの代替品に匹敵する性能を示している。 最近、グラデーションレベルの設定では、通常の敵対的な例がデータ多様体から離れ、オンマニホールドの例が実際には一般化エラーであることが示されている。 雑音の多い多様体距離オラクルに基づく情報理論論的議論を提案し、敵の勾配推定を通じて多様体情報を漏洩させる。
  論文  参考訳（メタデータ） (2021-03-04T20:53:06Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Online nonnegative CP-dictionary learning for Markovian data [8.490619842547739]
  CANDECOMP/PARAFACベースを一般的な制約下でテンソル値データの所定のストリームから学習する新しいアルゴリズムを提案する。 提案アルゴリズムは,データテンソルの列が基礎となるマルコフ連鎖によって生成されるという仮説の下で,目的関数の定常点の集合にほぼ確実に収束することを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:41:01Z)
• The Heavy-Tail Phenomenon in SGD [7.366405857677226]
  最小損失のHessianの構造に依存すると、SGDの反復はエンフェビーテールの定常分布に収束する。 深層学習におけるSGDの行動に関する知見に分析結果を変換する。
  論文  参考訳（メタデータ） (2020-06-08T16:43:56Z)
• A Unified Framework for Coupled Tensor Completion [42.19293115131073]
  結合テンソル分解は、潜在結合因子に由来する事前知識を組み込むことで、結合データ構造を明らかにする。 TRは強力な表現能力を持ち、いくつかの多次元データ処理アプリケーションで成功している。 提案手法は, 合成データに関する数値実験で検証され, 実世界のデータに対する実験結果は, 回収精度の観点から, 最先端の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） (2020-01-09T02:15:46Z)

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。