Fugu-MT 論文翻訳(概要): Tensor Generalized Approximate Message Passing

論文の概要: Tensor Generalized Approximate Message Passing

arxiv url: http://arxiv.org/abs/2504.00008v1
Date: Tue, 25 Mar 2025 04:17:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-06 06:33:38.415753
Title: Tensor Generalized Approximate Message Passing
Title（参考訳）: Tensor Generalized Approximate Message Passing
Authors: Yinchuan Li, Guangchen Lan, Xiaodong Wang,
Abstract要約: 低ランクテンソル推論のためのテンソル一般化近似メッセージパッシング(TeG-AMP)アルゴリズムを提案する。高次元の総積信念伝播アルゴリズムの近似としてTeG-AMPアルゴリズムを導出する。提案手法は, テンソル構造をフル活用することにより, 回復性能を著しく向上することを示す。
参考スコア（独自算出の注目度）: 14.133418817740516
License:
Abstract: We propose a tensor generalized approximate message passing (TeG-AMP) algorithm for low-rank tensor inference, which can be used to solve tensor completion and decomposition problems. We derive TeG-AMP algorithm as an approximation of the sum-product belief propagation algorithm in high dimensions where the central limit theorem and Taylor series approximations are applicable. As TeG-AMP is developed based on a general TR decomposition model, it can be directly applied to many low-rank tensor types. Moreover, our TeG-AMP can be simplified based on the CP decomposition model and a tensor simplified AMP is proposed for low CP-rank tensor inference problems. Experimental results demonstrate that the proposed methods significantly improve recovery performances since it takes full advantage of tensor structures.
Abstract（参考訳）: 低ランクテンソル推論のためのテンソル一般化近似メッセージパッシング(TeG-AMP)アルゴリズムを提案する。中心極限定理とテイラー級数近似が適用可能な高次元の総積信念伝播アルゴリズムの近似としてTeG-AMPアルゴリズムを導出する。 TeG-AMPは一般的なTR分解モデルに基づいて開発されたため、多くの低ランクテンソルタイプに直接適用することができる。さらに, CP分解モデルに基づいてTeG-AMPを単純化し, 低CPランクテンソル推定問題に対してテンソル簡易AMPを提案する。提案手法は, テンソル構造を十分に活用することにより, 回収性能を著しく向上することを示した。

関連論文リスト

Fast and Provable Tensor-Train Format Tensor Completion via Precondtioned Riemannian Gradient Descent [4.376623639964006]
本稿では, テンソルトレイン(TT)フォーマットに基づく低ランクテンソル完成問題について検討する。本稿では,TTランクの低いテンソル補完を解き,その線形収束を確立するために,事前条件付き勾配降下アルゴリズム(PRGD)を提案する。ハイパースペクトル画像補完や量子状態トモグラフィなどの実用的な応用では、PRGDアルゴリズムは繰り返し回数を大幅に削減し、計算時間を劇的に短縮する。
論文参考訳（メタデータ） (2025-01-23T05:03:50Z)
A New Formulation of Lipschitz Constrained With Functional Gradient Learning for GANs [52.55025869932486]
本稿では,大規模データセット上でGAN(Generative Adversarial Networks)のトレーニングを行うための有望な代替手法を提案する。本稿では,GANの学習を安定させるために,Lipschitz-Constrained Functional Gradient GANs Learning (Li-CFG)法を提案する。判別器勾配のノルムを増大させることにより、潜在ベクトルの近傍サイズを小さくすることができることを示す。
論文参考訳（メタデータ） (2025-01-20T02:48:07Z)
Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
論文参考訳（メタデータ） (2024-10-24T02:56:22Z)
ADMM-MM Algorithm for General Tensor Decomposition [7.0326155922512275]
提案アルゴリズムは3つの基本損失関数(ell$-loss, $ell$-loss, KL divergence)と様々な低ランクテンソル分解モデル(CP, Tucker, TT, TR)をサポートする。提案したアルゴリズムにより広帯域のアプリケーションを解くことができ、プラグイン・アンド・プレイ方式で既存のテンソル分解モデルに容易に拡張できることを示す。
論文参考訳（メタデータ） (2023-12-19T00:17:34Z)
Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文参考訳（メタデータ） (2022-11-30T18:59:27Z)
Model based Multi-agent Reinforcement Learning with Tensor Decompositions [52.575433758866936]
本稿では、CPランクの低いテンソルとして遷移関数と報酬関数をモデル化することにより、未探索の状態-作用対上の状態-作用空間の一般化を考察する。合成MDPの実験により、モデルに基づく強化学習アルゴリズムでテンソル分解を用いることで、真の遷移関数と報酬関数が実際に低ランクである場合、はるかに高速な収束が得られることが示された。
論文参考訳（メタデータ） (2021-10-27T15:36:25Z)
Optimizing Information-theoretical Generalization Bounds via Anisotropic Noise in SGLD [73.55632827932101]
SGLDにおけるノイズ構造を操作することにより,情報理論の一般化を最適化する。低経験的リスクを保証するために制約を課すことで、最適なノイズ共分散が期待される勾配共分散の平方根であることを証明する。
論文参考訳（メタデータ） (2021-10-26T15:02:27Z)
Alternating linear scheme in a Bayesian framework for low-rank tensor approximation [5.833272638548154]
ベイズ推論問題を解くことにより、与えられたテンソルの低ランク表現を見つける。本稿では,テンソルトレイン方式で無音変換を行うアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-21T10:15:30Z)
Enhanced nonconvex low-rank approximation of tensor multi-modes for tensor completion [1.3406858660972554]
我々は、新しい低ランク近似テンソルマルチモード(LRATM)を提案する。ブロックバウンド法に基づくアルゴリズムは,提案手法を効率的に解くために設計されている。 3種類の公開多次元データセットの数値計算結果から,本アルゴリズムは様々な低ランクテンソルを復元可能であることが示された。
論文参考訳（メタデータ） (2020-05-28T08:53:54Z)
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)
Tensorized Random Projections [8.279639493543401]
テンソルトレイン(TT)とCP分解形式に依存した2つのテンソル化ランダムプロジェクションマップを提案する。 2つのマップはメモリ要件が非常に低く、入力がCPまたはTTフォーマットで与えられる低階テンソルである場合に効率よく適用できる。その結果, TTフォーマットは, 同じ歪み比を達成するのに必要な乱射影の大きさにおいて, CPよりもかなり優れていることがわかった。
論文参考訳（メタデータ） (2020-03-11T03:56:44Z)

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。