論文の概要: High-Order Tensor Recovery with A Tensor $U_1$ Norm
- arxiv url: http://arxiv.org/abs/2311.13958v1
- Date: Thu, 23 Nov 2023 12:16:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:56:27.286124
- Title: High-Order Tensor Recovery with A Tensor $U_1$ Norm
- Title(参考訳): テンソル$U_1$ノルムによる高次テンソル回復
- Authors: Jingjing Zheng, Wenzhe Wang, Xiaoqin Zhang, Yankai Cao, Xianta Jiang
- Abstract要約: テンソルデータの非滑らかな変化を効果的に処理するためのテンソル復元手法を提案する。
様々な次元にわたる高次テンソルデータの相関について,多数の変数や重みを導入することなく検討する。
結果のテンソル完備化モデルを解くために最適化アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 17.23648156109223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, numerous tensor SVD (t-SVD)-based tensor recovery methods have
emerged, showing promise in processing visual data. However, these methods
often suffer from performance degradation when confronted with high-order
tensor data exhibiting non-smooth changes, commonly observed in real-world
scenarios but ignored by the traditional t-SVD-based methods. Our objective in
this study is to provide an effective tensor recovery technique for handling
non-smooth changes in tensor data and efficiently explore the correlations of
high-order tensor data across its various dimensions without introducing
numerous variables and weights. To this end, we introduce a new tensor
decomposition and a new tensor norm called the Tensor $U_1$ norm. We utilize
these novel techniques in solving the problem of high-order tensor completion
problem and provide theoretical guarantees for the exact recovery of the
resulting tensor completion models. An optimization algorithm is proposed to
solve the resulting tensor completion model iteratively by combining the
proximal algorithm with the Alternating Direction Method of Multipliers.
Theoretical analysis showed the convergence of the algorithm to the
Karush-Kuhn-Tucker (KKT) point of the optimization problem. Numerical
experiments demonstrated the effectiveness of the proposed method in high-order
tensor completion, especially for tensor data with non-smooth changes.
- Abstract(参考訳): 近年,多くのテンソルSVD(t-SVD)ベースのテンソルリカバリ手法が登場し,視覚データ処理の可能性を示唆している。
しかし、これらの手法は、非滑らかな変化を示す高次テンソルデータに直面すると、しばしば性能劣化に悩まされるが、従来のt-SVD法では無視される。
本研究の目的は, テンソルデータの非滑らかな変化を効果的に処理し, 様々な次元にわたる高次テンソルデータの相関を, 多数の変数や重みを導入することなく効率的に探索することである。
この目的のために、新しいテンソル分解とテンソル $u_1$ ノルムと呼ばれる新しいテンソルノルムを導入する。
これらの手法を高階テンソル補完問題の解法に利用し,結果のテンソル補完モデルの厳密な回復のための理論的保証を提供する。
近似アルゴリズムと乗算器の交互方向法を組み合わせることにより, 結果のテンソル完備化モデルを反復的に解く最適化アルゴリズムを提案する。
理論的解析により最適化問題のKKT点へのアルゴリズムの収束が示された。
数値実験により,高次テンソル補完法,特に非スムース変化を有するテンソルデータにおいて,提案手法の有効性が示された。
関連論文リスト
- Provable Tensor Completion with Graph Information [49.08648842312456]
本稿では,動的グラフ正規化テンソル完備問題の解法として,新しいモデル,理論,アルゴリズムを提案する。
我々はテンソルの低ランクおよび類似度構造を同時に捉える包括的モデルを開発する。
理論の観点からは、提案したグラフの滑らか度正規化と重み付きテンソル核ノルムとの整合性を示す。
論文 参考訳(メタデータ) (2023-10-04T02:55:10Z) - A Novel Tensor Factorization-Based Method with Robustness to Inaccurate
Rank Estimation [9.058215418134209]
本稿では,2つの低ランク制約を持つテンソルノルムを提案する。
結果のテンソル完成モデルが不正確なランク推定による性能劣化を効果的に回避できることが理論的に証明されている。
これに基づいて、最適化アルゴリズムの各イテレーションの総コストは$mathcalO(n3log n + kn3)$から$mathcalO(n4)$に削減される。
論文 参考訳(メタデータ) (2023-05-19T06:26:18Z) - Guaranteed Tensor Recovery Fused Low-rankness and Smoothness [38.0243349269575]
我々は、本質的にはテンソルの L と S の両方を同時に符号化する一意な正規化項を構築する。
これはテンソルリカバリのための全ての関連するL+S法の中では初めての正確な復元結果である。
論文 参考訳(メタデータ) (2023-02-04T12:20:32Z) - Error Analysis of Tensor-Train Cross Approximation [88.83467216606778]
我々は, テンソル全体の精度保証を行う。
結果は数値実験により検証され、高次テンソルに対するクロス近似の有用性に重要な意味を持つ可能性がある。
論文 参考訳(メタデータ) (2022-07-09T19:33:59Z) - 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) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳(メタデータ) (2021-10-26T14:26:25Z) - Efficient Tensor Completion via Element-wise Weighted Low-rank Tensor
Train with Overlapping Ket Augmentation [18.438177637687357]
本稿では,要素重み付け手法による新しいテンソル完備化手法を提案する。
具体的には,隣接ブロックからのエッジ要素の回復品質について検討する。
実験結果から,提案アルゴリズムのTWMac-TTは,他の競合するテンソル補完法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-09-13T06:50:37Z) - 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) - 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) - Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。
MVSCに適合する新しい構造テンソル低ランクノルムを設計する。
提案手法は最先端の手法よりもかなり優れていることを示す。
論文 参考訳(メタデータ) (2020-04-30T11:52:12Z)
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。