Fugu-MT 論文翻訳(概要): Personalized Tucker Decomposition: Modeling Commonality and Peculiarity on Tensor Data

論文の概要: Personalized Tucker Decomposition: Modeling Commonality and Peculiarity on Tensor Data

arxiv url: http://arxiv.org/abs/2309.03439v1
Date: Thu, 7 Sep 2023 01:43:47 GMT
ステータス: 処理完了
システム内更新日: 2023-09-08 14:39:34.443136
Title: Personalized Tucker Decomposition: Modeling Commonality and Peculiarity on Tensor Data
Title（参考訳）: パーソナライズされたタッカー分解:テンソルデータの共通性と特異性をモデル化する
Authors: Jiuyun Hu, Naichen Shi, Raed Al Kontar, Hao Yan
Abstract要約: perTuckerはテンソルデータを共有グローバルコンポーネントとパーソナライズされたローカルコンポーネントに分解する。異常検出,クライアント分類,クラスタリングにおけるPerTuckerの有効性を示す。
参考スコア（独自算出の注目度）: 12.098193859334776
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose personalized Tucker decomposition (perTucker) to address the limitations of traditional tensor decomposition methods in capturing heterogeneity across different datasets. perTucker decomposes tensor data into shared global components and personalized local components. We introduce a mode orthogonality assumption and develop a proximal gradient regularized block coordinate descent algorithm that is guaranteed to converge to a stationary point. By learning unique and common representations across datasets, we demonstrate perTucker's effectiveness in anomaly detection, client classification, and clustering through a simulation study and two case studies on solar flare detection and tonnage signal classification.
Abstract（参考訳）: 本研究では,従来のテンソル分解手法の制約に対処するパーソナライズされたタッカー分解(perTucker)を提案する。 perTuckerはテンソルデータを共有グローバルコンポーネントとパーソナライズされたローカルコンポーネントに分解する。本稿では,モード直交性仮定を導入し,定常点に収束することを保証した近位勾配正規化ブロック座標降下アルゴリズムを開発する。データセットにまたがる一意かつ共通表現を学習することにより,パータッカーの異常検出,クライアント分類,クラスタリングにおける効果をシミュレーション研究と,太陽フレア検出とトンネージ信号分類に関する2つのケーススタディにより実証する。

関連論文リスト

Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文参考訳（メタデータ） (2024-04-24T09:04:36Z)
Low-Rank Robust Subspace Tensor Clustering for Metro Passenger Flow Modeling [19.907314837560907]
本研究では, テンソルをベースとした部分空間と異常分解手法を設計し, 同時にロバスト次元の縮小クラスタリングと異常分解を行う。タッカー分解,スパース異常分解,サブスペースクラスタリングを組み合わせた,新しい低ランクロバストなサブスペースクラスタリング分解モデルを提案する。実験により提案手法の有効性が証明され,クラスタリング精度が25%向上した。
論文参考訳（メタデータ） (2024-04-05T21:00:43Z)
Fascinating Supervisory Signals and Where to Find Them: Deep Anomaly Detection with Scale Learning [11.245813423781415]
我々は、データラベルとして特性-スケール-を導入することで、データのための新しいデータ駆動監視を考案する。スケールは変換された表現にアタッチされたラベルとして機能し、ニューラルネットワークのトレーニングに十分なラベル付きデータを提供する。本稿では,大規模学習に基づく異常検出手法を提案する。
論文参考訳（メタデータ） (2023-05-25T14:48:00Z)
Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning [112.69497636932955]
フェデレートラーニングは、プライバシを考慮したデータ共有を必要とせずに、さまざまなクライアントでモデルをトレーニングすることを目的としている。本研究では,データの不均一性がグローバル集約モデルの表現に与える影響について検討する。フェデレーション学習における次元的崩壊を効果的に緩和する新しい手法である sc FedDecorr を提案する。
論文参考訳（メタデータ） (2022-10-01T09:04:17Z)
Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly Types [60.45942774425782]
我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。これは異常検出とは違い、その目標は異常を通常のデータから分割することである。パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
論文参考訳（メタデータ） (2021-12-21T23:11:33Z)
Rethinking Content and Style: Exploring Bias for Unsupervised Disentanglement [59.033559925639075]
本研究では,異なる要因が画像再構成において重要度や人気度が異なるという仮定に基づいて,教師なしc-s異節の定式化を提案する。モデルインダクティブバイアスは,提案したC-Sアンタングルメントモジュール(C-S DisMo)によって導入された。いくつかの一般的なデータセットに対する実験により、我々の手法が最先端の教師なしC-Sアンタングルメントを実現することを示す。
論文参考訳（メタデータ） (2021-02-21T08:04:33Z)
Low-Rank and Sparse Enhanced Tucker Decomposition for Tensor Completion [3.498620439731324]
テンソル完備化のために,低ランクかつスパースに拡張されたタッカー分解モデルを導入する。我々のモデルはスパースコアテンソルを促進するためにスパース正規化項を持ち、テンソルデータ圧縮に有用である。テンソルに出現する潜在的な周期性と固有相関特性を利用するので,本モデルでは様々な種類の実世界のデータセットを扱うことが可能である。
論文参考訳（メタデータ） (2020-10-01T12:45:39Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)
Coarse-Grain Cluster Analysis of Tensors with Application to Climate Biome Identification [0.27998963147546146]
離散ウェーブレット変換を用いて、粗粒化がクラスタリングテンソルデータに与える影響を分析する。我々は特に、地球の気候システムのスケール効果のクラスター化について理解することに興味を持っている。
論文参考訳（メタデータ） (2020-01-22T00:28:58Z)

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。