論文の概要: Exploring Numerical Priors for Low-Rank Tensor Completion with
Generalized CP Decomposition
- arxiv url: http://arxiv.org/abs/2302.05881v4
- Date: Thu, 18 May 2023 04:50:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 20:03:04.515398
- Title: Exploring Numerical Priors for Low-Rank Tensor Completion with
Generalized CP Decomposition
- Title(参考訳): 一般化cp分解による低ランクテンソル完全化の数値予測
- Authors: Shiran Yuan and Kaizhu Huang
- Abstract要約: 本研究はGCDTC(Generalized CP Decomposition Completion)と呼ばれる新しい方法論の枠組みの構築を試みる。
この新たなフレームワークでは、低ランクテンソル完備化にCP分解の一般化形式を適用する。
実世界のデータに関する一連の実験は、SPTCが現在の最先端手法よりも完成精度に優れた結果をもたらすことを示唆している。
- 参考スコア(独自算出の注目度): 17.13799076039395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tensor completion is important to many areas such as computer vision, data
analysis, and signal processing. Enforcing low-rank structures on completed
tensors, a category of methods known as low-rank tensor completion, has
recently been studied extensively. Whilst such methods attained great success,
none considered exploiting numerical priors of tensor elements. Ignoring
numerical priors causes loss of important information regarding the data, and
therefore prevents the algorithms from reaching optimal accuracy. This work
attempts to construct a new methodological framework called GCDTC (Generalized
CP Decomposition Tensor Completion) for leveraging numerical priors and
achieving higher accuracy in tensor completion. In this newly introduced
framework, a generalized form of CP Decomposition is applied to low-rank tensor
completion. This paper also proposes an algorithm known as SPTC (Smooth Poisson
Tensor Completion) for nonnegative integer tensor completion as an
instantiation of the GCDTC framework. A series of experiments on real-world
data indicate that SPTC could produce results superior in completion accuracy
to current state-of-the-art methods. Related code is available in the
supplemental materials.
- Abstract(参考訳): テンソル補完はコンピュータビジョン、データ解析、信号処理など多くの分野において重要である。
完備テンソル上の低ランク構造、すなわち低ランクテンソル完備化と呼ばれる手法のカテゴリは、最近広く研究されている。
このような手法は大きな成功を収めたが、テンソル要素の数値的事前化を活用しようと考える者はいなかった。
数値を無視すると、データに関する重要な情報が失われ、アルゴリズムが最適な精度に達するのを防ぐ。
本研究は,数値前処理を活用し,より高精度なテンソル補完を実現するために,gcdtc(generalized cp decomposition tensor completion)と呼ばれる新しい手法フレームワークの構築を試みるものである。
この新たなフレームワークでは、低ランクテンソル完備化にCP分解の一般化形式を適用する。
本稿では、GCDTCフレームワークのインスタンス化として、非負整数テンソル補完のためのSPTC(Smooth Poisson Tensor Completion)と呼ばれるアルゴリズムを提案する。
実世界のデータに関する一連の実験は、SPTCが現在の最先端手法よりも完成精度に優れた結果をもたらすことを示唆している。
関連コードは補足資料で利用可能である。
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。