論文の概要: Adaptive Cubic Regularized Second-Order Latent Factor Analysis Model

• arxiv url: http://arxiv.org/abs/2507.03036v1
• Date: Thu, 03 Jul 2025 03:15:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.546651
• Title: Adaptive Cubic Regularized Second-Order Latent Factor Analysis Model
• Title（参考訳）: 適応立方体正規化2次潜在因子モデル
• Authors: Jialiang Wang, Junzhou Wang, Xin Liao,
• Abstract要約: 高次元および不完全HDIデータセットは、様々な現実世界のアプリケーションに広く普及している。 本稿では,情報不安定を緩和するための2つのアプローチを提案する。 ACRS HDIは、ALFが高速進行(SACR)モデルよりも高い表現を示すことを示した。
• 参考スコア（独自算出の注目度）: 14.755426957558868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-dimensional and incomplete (HDI) data, characterized by massive node interactions, have become ubiquitous across various real-world applications. Second-order latent factor models have shown promising performance in modeling this type of data. Nevertheless, due to the bilinear and non-convex nature of the SLF model's objective function, incorporating a damping term into the Hessian approximation and carefully tuning associated parameters become essential. To overcome these challenges, we propose a new approach in this study, named the adaptive cubic regularized second-order latent factor analysis (ACRSLF) model. The proposed ACRSLF adopts the two-fold ideas: 1) self-tuning cubic regularization that dynamically mitigates non-convex optimization instabilities; 2) multi-Hessian-vector product evaluation during conjugate gradient iterations for precise second-order information assimilation. Comprehensive experiments on two industrial HDI datasets demonstrate that the ACRSLF converges faster and achieves higher representation accuracy than the advancing optimizer-based LFA models.
• Abstract（参考訳）: 大規模ノード相互作用を特徴とする高次元および不完全データ(HDI)は、様々な現実世界のアプリケーションに広く普及している。 2階の潜在因子モデルは、この種のデータのモデリングにおいて有望な性能を示している。 それでも、SLFモデルの目的関数の双線型および非凸の性質のため、減衰項をヘッセン近似に組み込んで、関連するパラメータを慎重に調整することが不可欠である。 これらの課題を克服するために,適応型立方正則化2次潜在因子分析(ACRSLF)モデルという新しい手法を提案する。 提案された ACRSLF では2つのアイデアが採用されている。 1) 非凸最適化不安定性を動的に緩和する自己調整立方正則化 2) 高精度な2階情報同化のための共役勾配繰り返しにおけるマルチヘシアンベクトル積の評価 2つの産業的HDIデータセットに関する総合的な実験により、ACRSLFは最適化されたLFAモデルよりも高速に収束し、高い表現精度を達成することが示された。

関連論文リスト

• Sequential-Parallel Duality in Prefix Scannable Models [68.39855814099997]
  近年では Gated Linear Attention (GLA) や Mamba など様々なモデルが開発されている。 ニアコンスタント時間並列評価と線形時間、定数空間シーケンシャル推論をサポートするニューラルネットワークモデルの全クラスを特徴付けることができるだろうか?
  論文  参考訳（メタデータ） (2025-06-12T17:32:02Z)
• LARES: Latent Reasoning for Sequential Recommendation [96.26996622771593]
  本稿では、シークエンシャルレコメンデーションのための新しいスケーラブルなLatent ReasoningフレームワークであるLARESを紹介する。 提案手法では,パラメータの複雑性を増大させることなく推理深度を柔軟に拡張できる再帰的アーキテクチャを用いている。 我々のフレームワークは既存の高度なモデルとのシームレスな互換性を示し、推奨性能をさらに向上させる。
  論文  参考訳（メタデータ） (2025-05-22T16:22:54Z)
• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• PSLF: A PID Controller-incorporated Second-order Latent Factor Analysis Model for Recommender System [11.650076383080526]
  2次ベースHDIモデル(SLF)解析はグラフ学習において特に高次および不完全因子データレートにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-08-31T13:01:58Z)
• Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
  GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。 本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T15:32:59Z)
• A Practical Second-order Latent Factor Model via Distributed Particle Swarm Optimization [5.199454801210509]
  Hessian-free (HF) 最適化は、LFモデルの目的関数の2次情報を利用するための効率的な方法である。 本研究では,実用的なSLF(PSLF)モデルを提案する。 実HiDSデータセットの実験は、PSLFモデルがデータ表現能力の最先端モデルに対して競争上の優位性を持っていることを示している。
  論文  参考訳（メタデータ） (2022-08-12T05:49:08Z)
• Adaptive Divergence-based Non-negative Latent Factor Analysis [6.265179945530255]
  本研究では,適応分岐に基づく非負遅延因子モデル(ADNLF)を提案する。 ADNLFモデルは、高い計算効率を持つHDIデータセットの欠落データに対する推定精度を著しく向上させる。
  論文  参考訳（メタデータ） (2022-03-30T11:28:36Z)
• A Class of Two-Timescale Stochastic EM Algorithms for Nonconvex Latent Variable Models [21.13011760066456]
  expectation-Maximization (EM)アルゴリズムは、変数モデルを学習するための一般的な選択肢である。 本稿では,Two-Time Methodsと呼ばれる手法の一般クラスを提案する。
  論文  参考訳（メタデータ） (2022-03-18T22:46:34Z)
• Closed-form Continuous-Depth Models [99.40335716948101]
  連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。 我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
  論文  参考訳（メタデータ） (2021-06-25T22:08:51Z)

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。