論文の概要: Low-Rank Tensor Completion With Generalized CP Decomposition and
Nonnegative Integer Tensor Completion
- arxiv url: http://arxiv.org/abs/2302.05881v1
- Date: Sun, 12 Feb 2023 09:50:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 18:06:52.541829
- Title: Low-Rank Tensor Completion With Generalized CP Decomposition and
Nonnegative Integer Tensor Completion
- Title(参考訳): 一般化cp分解と非負整数テンソル補完を用いた低ランクテンソル補完
- Authors: Shiran Yuan
- Abstract要約: 本研究は、テンソル要素の数値的性質に基づいて、GCDTC(Generalized CP Decomposition Completion)と呼ばれる新しい方法論の枠組みを構築しようとするものである。
ポアソンCP分解による非負整数テンソル分解の例は、新しい方法論のポテンシャルを示すために与えられる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem of tensor completion is important to many areas such as computer
vision, data analysis, signal processing, etc. Previously, a category of
methods known as low-rank tensor completion has been proposed and developed,
involving the enforcement of low-rank structures on completed tensors. While
such methods have been constantly improved, none have previously considered
exploiting the numerical properties of tensor elements. This work attempts to
construct a new methodological framework called GCDTC (Generalized CP
Decomposition Tensor Completion) based on these properties. In this newly
introduced framework, the CP Decomposition is reformulated as a Maximum
Likelihood Estimate (MLE) problem, and generalized via the introduction of
differing loss functions. The generalized decomposition is subsequently applied
to low-rank tensor completion. Such loss functions can also be easily adjusted
to consider additional factors in completion, such as smoothness,
standardization, etc. An example of nonnegative integer tensor decomposition
via the Poisson CP Decomposition is given to demonstrate the new methodology's
potentials. Through experimentation with real-life data, it is confirmed that
this method could produce results superior to current state-of-the-art
methodologies. It is expected that the proposed notion would inspire a new set
of tensor completion methods based on the generalization of decompositions,
thus contributing to related fields.
- Abstract(参考訳): テンソル完備化の問題は、コンピュータビジョン、データ分析、信号処理など、多くの分野において重要である。
従来は低ランクテンソル完備化(low-rank tensor completion)と呼ばれる手法のカテゴリが提案され、完成テンソルに低ランク構造を適用した。
このような方法は常に改善されてきたが、これまではテンソル要素の数値的性質を活用することを考慮していなかった。
本研究はGCDTC(Generalized CP Decomposition Tensor Completion)と呼ばれる新しい方法論の枠組みを構築しようとするものである。
新たに導入されたフレームワークでは、CP分解は最大類似度推定(MLE)問題として再構成され、異なる損失関数の導入によって一般化される。
一般化分解はその後低ランクテンソル完全化に適用される。
このような損失関数は、滑らかさや標準化など、完了における追加の要因を考えるために容易に調整できる。
ポアソンCP分解による非負整数テンソル分解の例は、新しい方法論のポテンシャルを示すために与えられる。
実生活データを用いた実験により, 現状の手法よりも優れた結果が得られることを確認した。
提案された概念は、分解の一般化に基づく新しいテンソル完備化法を刺激し、関連する分野に寄与することが期待される。
関連論文リスト
- Scalable and Robust Tensor Ring Decomposition for Large-scale Data [12.02023514105999]
本稿では,大規模テンソルデータに欠落したエントリと粗悪な破損を扱えるスケーラブルで堅牢なTR分解アルゴリズムを提案する。
まず, 欠落したエントリを適応的に満たし, 分解過程における外れ値の同定が可能な, 自己重み付き急勾配降下法を開発した。
論文 参考訳(メタデータ) (2023-05-15T22:08:47Z) - Unsupervised Learning of Initialization in Deep Neural Networks via
Maximum Mean Discrepancy [74.34895342081407]
本稿では,入力データに対する優れた初期化を求めるための教師なしアルゴリズムを提案する。
まず、パラメータ空間における各パラメータ構成が、d-way分類の特定の下流タスクに対応することに気付く。
次に、学習の成功は、初期パラメータの近傍で下流タスクがいかに多様であるかに直接関連していると推測する。
論文 参考訳(メタデータ) (2023-02-08T23:23:28Z) - 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) - A high-order tensor completion algorithm based on Fully-Connected Tensor
Network weighted optimization [8.229028597459752]
完全連結テンソルネットワーク重み付き最適化(FCTN-WOPT)と呼ばれる新しいテンソル補完法を提案する。
このアルゴリズムは、FCTN分解から因子を初期化して完成テンソルの構成を行う。
その結果,FCTN-WOPTが高次テンソル完備化に適用された際の高性能性を示した。
論文 参考訳(メタデータ) (2022-04-04T13:46:32Z) - Robust M-estimation-based Tensor Ring Completion: a Half-quadratic
Minimization Approach [14.048989759890475]
我々はM推定器を誤差統計量として用いるテンソル環完備化への頑健なアプローチを開発する。
truncatedの特異値分解と行列分解に基づくHQに基づく2つのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-06-19T04:37:50Z) - MTC: Multiresolution Tensor Completion from Partial and Coarse
Observations [49.931849672492305]
既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。
この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
論文 参考訳(メタデータ) (2021-06-14T02:20:03Z) - Why Approximate Matrix Square Root Outperforms Accurate SVD in Global
Covariance Pooling? [59.820507600960745]
本稿では,前方通過のSVDと後方伝播のPad'e近似を用いて勾配を計算する新しいGCPメタ層を提案する。
提案するメタレイヤは,さまざまなCNNモデルに統合され,大規模および微細なデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-05-06T08:03:45Z) - Scaling and Scalability: Provable Nonconvex Low-Rank Tensor Estimation
from Incomplete Measurements [30.395874385570007]
基本的な課題は、高度に不完全な測定からテンソルを忠実に回収することである。
タッカー分解におけるテンソル因子を直接回復するアルゴリズムを開発した。
2つの正準問題に対する基底真理テンソルの線形独立率で確実に収束することを示す。
論文 参考訳(メタデータ) (2021-04-29T17:44:49Z) - Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
我々は高密度サブグラフ発見のための新しい学習問題を導入する。
まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。
そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-06-24T11:37:33Z) - Revisiting Initialization of Neural Networks [72.24615341588846]
ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。
Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
論文 参考訳(メタデータ) (2020-04-20T18:12:56Z)
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。