論文の概要: Neural Nonnegative Matrix Factorization for Hierarchical Multilayer Topic Modeling

• arxiv url: http://arxiv.org/abs/2303.00058v1
• Date: Tue, 28 Feb 2023 20:00:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 16:56:10.571022
• Title: Neural Nonnegative Matrix Factorization for Hierarchical Multilayer Topic Modeling
• Title（参考訳）: 階層型多層トピーモデリングのためのニューラル非負行列因子化
• Authors: Tyler Will, Runyu Zhang, Eli Sadovnik, Mengdi Gao, Joshua Vendrow, Jamie Haddock, Denali Molitor, Deanna Needell
• Abstract要約: 本稿では,非負行列分解に基づくニューラルNMF法を提案する。 我々は、合成階層データセット、20のニュースグループデータセット、MyLymeData症状データセットでNeural NMFをテストする。 数値計算の結果,ニューラルNMFは他の階層的NMF法よりも優れていた。
• 参考スコア（独自算出の注目度）: 7.976416480654409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a new method based on nonnegative matrix factorization, Neural NMF, for detecting latent hierarchical structure in data. Datasets with hierarchical structure arise in a wide variety of fields, such as document classification, image processing, and bioinformatics. Neural NMF recursively applies NMF in layers to discover overarching topics encompassing the lower-level features. We derive a backpropagation optimization scheme that allows us to frame hierarchical NMF as a neural network. We test Neural NMF on a synthetic hierarchical dataset, the 20 Newsgroups dataset, and the MyLymeData symptoms dataset. Numerical results demonstrate that Neural NMF outperforms other hierarchical NMF methods on these data sets and offers better learned hierarchical structure and interpretability of topics.
• Abstract（参考訳）: 本稿では,データ中の潜在階層構造を検出するために,非負行列分解に基づく新しい手法であるneural nmfを提案する。 階層構造を持つデータセットは、文書分類、画像処理、バイオインフォマティクスなど、幅広い分野に存在している。 ニューラルNMFは階層にNMFを再帰的に適用し、低レベルの特徴を含む包括的なトピックを発見する。 ニューラルネットワークとして階層的NMFをフレーム化するためのバックプロパゲーション最適化スキームを導出する。 我々は、合成階層データセット、20ニュースグループデータセット、MyLymeData症状データセットでNeural NMFをテストする。 数値計算により、ニューラルNMFはこれらのデータセット上で他の階層的NMF法よりも優れており、より学習された階層構造とトピックの解釈可能性を提供する。

関連論文リスト

• Informed deep hierarchical classification: a non-standard analysis inspired approach [0.0]
  出力層の前に配置された特定のプロジェクション演算子を備えた多出力ディープニューラルネットワークで構成されている。 このようなアーキテクチャの設計は、LH-DNN(Lexicographic Hybrid Deep Neural Network)と呼ばれ、異なる研究分野と非常に離れた研究分野のツールを組み合わせることで実現されている。 アプローチの有効性を評価するために、階層的な分類タスクに適した畳み込みニューラルネットワークであるB-CNNと比較する。
  論文  参考訳（メタデータ） (2024-09-25T14:12:50Z)
• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Stratified-NMF for Heterogeneous Data [8.174199227297514]
  本研究では,階層依存統計量と共有トピック行列を同時に学習する改良NMF目標であるStratified-NMFを提案する。 本手法を実世界の3つのデータセットに適用し,その特徴を実証的に検討する。
  論文  参考訳（メタデータ） (2023-11-17T00:34:41Z)
• Analyzing Single Cell RNA Sequencing with Topological Nonnegative Matrix Factorization [0.43512163406551996]
  非負行列分解(NMF)は、結果として生じる低次元成分のメタジーン解釈によるユニークなアプローチを提供する。 この研究は、2つの永続ラプラシア正規化NMF法、すなわちトポロジカルNMF(TNMF)とロバストトトポロジカルNMF(rTNMF)を導入している。 合計12のデータセットを用いて、提案したTNMFとrTNMFが、他のNMFベースの手法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-24T11:36:41Z)
• Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
  本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。 クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。 このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
  論文  参考訳（メタデータ） (2023-05-24T11:05:12Z)
• WLD-Reg: A Data-dependent Within-layer Diversity Regularizer [98.78384185493624]
  ニューラルネットワークは、勾配に基づく最適化と共同で訓練された階層構造に配置された複数の層で構成されている。 我々は、この従来の「中間層」フィードバックを補うために、同じ層内での活性化の多様性を促進するために、追加の「中間層」フィードバックを補うことを提案する。 本稿では,提案手法が複数のタスクにおける最先端ニューラルネットワークモデルの性能を向上させることを実証した広範な実証研究を提案する。
  論文  参考訳（メタデータ） (2023-01-03T20:57:22Z)
• SymNMF-Net for The Symmetric NMF Problem [62.44067422984995]
  我々は,Symmetric NMF問題に対するSymNMF-Netと呼ばれるニューラルネットワークを提案する。 各ブロックの推測は最適化の単一イテレーションに対応することを示す。 実世界のデータセットに関する実証的な結果は、我々のSymNMF-Netの優位性を示している。
  論文  参考訳（メタデータ） (2022-05-26T08:17:39Z)
• Multi-Scale Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition [140.18376685167857]
  スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。 MS-SGNは、NTU60、NTU120、SYSUデータセットの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-11-07T03:50:50Z)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)
• Neighborhood Structure Assisted Non-negative Matrix Factorization and its Application in Unsupervised Point-wise Anomaly Detection [6.859284479314336]
  そこで本研究では,NMFフレームワークに近傍構造情報を組み込むため,最小分散木を用いてデータをモデル化する。 得られた手法をNMFの近傍構造としてラベル付けする。 20のベンチマークデータセットと水力発電所から抽出された工業用データセットを用いた実証的な比較は、近隣構造がNMFを補助していることを示す。
  論文  参考訳（メタデータ） (2020-01-17T21:43:20Z)

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。