Fugu-MT 論文翻訳(概要): Parallel Computation of Multi-Slice Clustering of Third-Order Tensors

論文の概要: Parallel Computation of Multi-Slice Clustering of Third-Order Tensors

arxiv url: http://arxiv.org/abs/2309.17383v1
Date: Fri, 29 Sep 2023 16:38:51 GMT
ステータス: 処理完了
システム内更新日: 2023-10-02 12:31:06.889408
Title: Parallel Computation of Multi-Slice Clustering of Third-Order Tensors
Title（参考訳）: 3次テンソルのマルチスライスクラスタリングの並列計算
Authors: Dina Faneva Andriantsiory, Camille Coti, Joseph Ben Geloun, Mustapha Lebbah
Abstract要約: 3次テンソルに対するマルチスライスクラスタリング(MSC)の並列アルゴリズムを考案した。並列計算方式は逐次計算より優れており,MSC法のスケーラビリティが向上していることを示す。
参考スコア（独自算出の注目度）: 0.08192907805418585
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Machine Learning approaches like clustering methods deal with massive datasets that present an increasing challenge. We devise parallel algorithms to compute the Multi-Slice Clustering (MSC) for 3rd-order tensors. The MSC method is based on spectral analysis of the tensor slices and works independently on each tensor mode. Such features fit well in the parallel paradigm via a distributed memory system. We show that our parallel scheme outperforms sequential computing and allows for the scalability of the MSC method.
Abstract（参考訳）: クラスタリング手法のような機械学習アプローチは、増大する課題を示す巨大なデータセットを扱う。 3次テンソルに対するマルチスライスクラスタリング(MSC)の並列アルゴリズムを考案した。 msc法はテンソルスライスのスペクトル解析に基づいており、それぞれのテンソルモードで独立に動作する。このような機能は、分散メモリシステムを介して並列パラダイムに適合する。並列方式は逐次計算より優れており,MSC法のスケーラビリティが向上していることを示す。

関連論文リスト

An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-30T15:57:14Z)
On the Power of SVD in the Stochastic Block Model [6.661713888517129]
PCAやSVDのようなスペクトルベースの次元削減ツールは、多くのアプリケーションにおけるクラスタリングアルゴリズムの性能を改善する。対称的な設定では、バニラ-SVDアルゴリズムは全てのクラスタを正しく復元する。
論文参考訳（メタデータ） (2023-09-27T00:04:27Z)
Low-Rank Multitask Learning based on Tensorized SVMs and LSSVMs [65.42104819071444]
マルチタスク学習(MTL)はタスク関連性を活用して性能を向上させる。タスクインデックスに対応する各モードを持つ高次テンソルを用いて、複数のインデックスが参照するタスクを自然に表現する。テンソル化サポートベクターマシン(SVM)と最小2乗サポートベクターマシン(LSSVM)を併用した低ランクMTL手法の汎用フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-30T14:28:26Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
論文参考訳（メタデータ） (2023-03-29T14:54:19Z)
DBSCAN of Multi-Slice Clustering for Third-Order Tensors [0.0]
そこで我々はMSC-DBSCANと呼ばれる拡張アルゴリズムを提案し、データから異なる部分空間にある異なるスライス群を抽出する。我々のアルゴリズムはMSCアルゴリズムと同じ入力を使い、MSCと同じ階数1テンソルデータに対して同じ解を求めることができる。
論文参考訳（メタデータ） (2023-03-14T10:18:31Z)
Multiway clustering of 3-order tensor via affinity matrix [0.0]
親和性行列(MCAM)を用いた3階テンソルのマルチウェイクラスタリング法を提案する。テンソルスライスと各スライスに関する情報の拡散の類似性の概念に基づいて、我々は高度なクラスタリング法を適用した親和性/相似性行列を構築した。 MCAMは、他の既知の合成アルゴリズムや実際のデータセットと比較して、競合的な結果が得られる。
論文参考訳（メタデータ） (2023-03-14T10:02:52Z)
Tensorized LSSVMs for Multitask Regression [48.844191210894245]
マルチタスク学習(MTL)は、複数のタスク間の関連性を利用してパフォーマンスを向上させる。低ランクテンソル解析とLast Squares Support Vectorized Least Squares Support Vectorized tLSSVM-MTLを利用する。
論文参考訳（メタデータ） (2023-03-04T16:36:03Z)
Multi-Slice Clustering for 3-order Tensor Data [0.12891210250935145]
3次元データのトリクラスタリングには、各次元のクラスタサイズを指定する必要がある。本稿では,3階テンソルデータセットに対するマルチスライスクラスタリング(MSC)を提案する。本アルゴリズムの有効性は,合成データセットと実世界のデータセットの両方で示される。
論文参考訳（メタデータ） (2021-09-22T15:49:48Z)
Exact Clustering in Tensor Block Model: Statistical Optimality and Computational Limit [10.8145995157397]
高階クラスタリングは、マルチウェイデータセットの異種サブ構造を特定することを目的とする。非計算と問題の性質は統計学と統計学の両方に重大な課題をもたらす。
論文参考訳（メタデータ） (2020-12-18T00:48:27Z)
Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
論文参考訳（メタデータ） (2020-09-27T14:16:14Z)

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。