論文の概要: Fast Learnings of Coupled Nonnegative Tensor Decomposition Using Optimal
Gradient and Low-rank Approximation
- arxiv url: http://arxiv.org/abs/2302.05119v1
- Date: Fri, 10 Feb 2023 08:49:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 16:10:32.542444
- Title: Fast Learnings of Coupled Nonnegative Tensor Decomposition Using Optimal
Gradient and Low-rank Approximation
- Title(参考訳): 最適勾配と低ランク近似を用いた結合非負テンソル分解の高速学習
- Authors: Xiulin Wang, Tapani Ristaniemi and Fengyu Cong
- Abstract要約: 交互近位勾配法により最適化された非負のCANDECOMP/PARAFAC分解アルゴリズムを提案する。
提案した lraCoNCPD-APG アルゴリズムは,分解品質を損なうことなく,計算負荷を大幅に低減することができる。
- 参考スコア(独自算出の注目度): 17.785573076206855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonnegative tensor decomposition has been widely applied in signal processing
and neuroscience, etc. When it comes to group analysis of multi-block tensors,
traditional tensor decomposition is insufficient to utilize the shared/similar
information among tensors. In this study, we propose a coupled nonnegative
CANDECOMP/PARAFAC decomposition algorithm optimized by the alternating proximal
gradient method (CoNCPDAPG), which is capable of a simultaneous decomposition
of tensors from different samples that are partially linked and a simultaneous
extraction of common components, individual components and core tensors. Due to
the low optimization efficiency brought by the nonnegative constraint and the
high-dimensional nature of the data, we further propose the lraCoNCPD-APG
algorithm by combining low-rank approximation and the proposed CoNCPD-APG
method. When processing multi-block large-scale tensors, the proposed
lraCoNCPD-APG algorithm can greatly reduce the computational load without
compromising the decomposition quality. Experiment results of coupled
nonnegative tensor decomposition problems designed for synthetic data,
real-world face images and event-related potential data demonstrate the
practicability and superiority of the proposed algorithms.
- Abstract(参考訳): 非負のテンソル分解は信号処理や神経科学などに広く応用されている。
マルチブロックテンソルの群解析に関しては、従来のテンソル分解はテンソル間の共有/類似情報を利用するには不十分である。
本研究では,CANDECOMP/PARAFAC分解アルゴリズムを交互近位勾配法 (CoNCPDAPG) で最適化し,部分結合した異なる試料からテンソルを同時分解し,共通成分,個々の成分,コアテンソルを同時抽出する手法を提案する。
非負の制約によってもたらされる低最適化効率と高次元特性により、低ランク近似と提案したCoNCPD-APG法を組み合わせることで、lraCoNCPD-APGアルゴリズムを提案する。
マルチブロック大規模テンソルを処理する場合,提案アルゴリズムは分解品質を損なうことなく計算負荷を大幅に削減することができる。
合成データ, 実世界の顔画像, 事象関連電位データを対象とした非負のテンソル分解問題の結合実験の結果, 提案アルゴリズムの実用性と優位性を示す。
関連論文リスト
- High-Probability Convergence for Composite and Distributed Stochastic
Minimization and Variational Inequalities with Heavy-Tailed Noise [60.92108236919524]
グラデーション、クリッピングは、優れた高確率保証を導き出すアルゴリズムの鍵となる要素の1つである。
クリッピングは、合成および分散最適化の一般的な方法の収束を損なう可能性がある。
論文 参考訳(メタデータ) (2023-10-03T07:49:17Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳(メタデータ) (2023-06-13T01:18:16Z) - Moment Estimation for Nonparametric Mixture Models Through Implicit
Tensor Decomposition [7.139680863764187]
条件に依存しない混合モデルを$mathbbRn$で推定するために,最小二乗法を交互に最適化する手法を提案する。
線形解を用いて、累積分布関数、高次モーメント、その他の成分分布の統計値を計算する。
数値実験は、アルゴリズムの競合性能と、多くのモデルや応用への適用性を実証する。
論文 参考訳(メタデータ) (2022-10-25T23:31:33Z) - Fast and Provable Tensor Robust Principal Component Analysis via Scaled
Gradient Descent [30.299284742925852]
本稿では、テンソルロバスト主成分分析(RPCA)に取り組む。
希少な腐敗によって汚染された観測から低ランクのテンソルを回収することを目的としている。
提案アルゴリズムは, 最先端行列やテンソルRPCAアルゴリズムよりも, より優れた, よりスケーラブルな性能を実現する。
論文 参考訳(メタデータ) (2022-06-18T04:01:32Z) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳(メタデータ) (2022-05-19T08:37:56Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳(メタデータ) (2021-07-07T03:57:22Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳(メタデータ) (2021-03-25T15:20:10Z) - Graph Regularized Nonnegative Tensor Ring Decomposition for Multiway
Representation Learning [38.70369173200596]
非負のテンソルリング(NTR)分解とグラフ正規化NTR(GNTR)分解を提案する。
提案アルゴリズムは、より解釈可能で意味のある表現を提供するテンソルオブジェクトから、リッチな色とリッチな線で部品ベースを抽出することができる。
論文 参考訳(メタデータ) (2020-10-12T12:54:20Z) - Enhanced nonconvex low-rank approximation of tensor multi-modes for
tensor completion [1.3406858660972554]
我々は、新しい低ランク近似テンソルマルチモード(LRATM)を提案する。
ブロックバウンド法に基づくアルゴリズムは,提案手法を効率的に解くために設計されている。
3種類の公開多次元データセットの数値計算結果から,本アルゴリズムは様々な低ランクテンソルを復元可能であることが示された。
論文 参考訳(メタデータ) (2020-05-28T08:53:54Z) - 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) - 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。