論文の概要: MatrixFormer: A Foundation Model for Matrix Completion

• arxiv url: http://arxiv.org/abs/2610.06751v1
• Date: Mon, 05 Oct 2026 17:28:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 23:06:40.670105
• Title: MatrixFormer: A Foundation Model for Matrix Completion
• Title（参考訳）: MatrixFormer: マトリックス補完の基礎モデル
• Abstract要約: 行列補完は、表計算から因果推論への問題の根底にある。 本稿では,事前学習した行列ネイティブトランスフォーマーであるMatrixFormerを紹介した。
• 参考スコア（独自算出の注目度）: 10.50857530573065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Matrix completion underlies problems from tabular imputation to causal inference, yet existing tabular foundation models treat it as entry-by-entry prediction, repeating context for every target and discarding the matrix's two-dimensional structure. We introduce MatrixFormer, a pre-trained matrix-native transformer that predicts a full distribution for every missing entry in a single forward pass. MatrixFormer is trained entirely on synthetic low-rank and latent-factor matrices under diverse missingness patterns. Applied zero-shot and with the same model weights, MatrixFormer achieves competitive performance on causal inference panel-data tasks, language-model benchmark-score completion, tabular imputation, and recommendation systems matrix completion. These results position MatrixFormer as a general-purpose foundation model for matrix completion.
• Abstract（参考訳）: マトリックスの完成は、表計算から因果推論までの問題の根底にあるが、既存の表ベースモデルは、それをエントリー・バイ・エントリーの予測として扱い、各ターゲットのコンテキストを繰り返し、行列の2次元構造を破棄する。 本稿では,事前学習した行列ネイティブトランスフォーマーであるMatrixFormerを紹介した。 MatrixFormerは、多彩な欠落パターンの下で、合成低ランクおよび潜在要素行列に完全に訓練されている。 ゼロショットを応用し、同じモデル重みを持つMatrixFormerは、因果推論パネルデータタスク、言語モデルベンチマークスコア補完、表計算、レコメンデーションシステムマトリックス補完の競合性能を達成する。 これらの結果は MatrixFormer を行列完備化のための汎用基盤モデルとして位置づける。

関連論文リスト

• Graph-Based Correlation Matrix Generation: A Convex Optimization Approach [0.0]
  この研究は、グラフ構造に付随する所定の空間パターンを持つ理論的相関行列の生成に対処する。 本稿では,初期行列を正の半定性制約の下で楕円面上に投影する新しい凸最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-24T15:54:23Z)
• Split-and-Conquer: Distributed Factor Modeling for High-Dimensional Matrix-Variate Time Series [0.7372706701787234]
  提案手法の漸近特性は,各演算ユニットにおけるデータの分散次元に対して導出される。 本フレームワークは潜在行列構造を保存し,計算効率の向上と情報利用の促進を図る。
  論文  参考訳（メタデータ） (2026-01-16T08:42:14Z)
• Efficient Adaptation of Pre-trained Vision Transformer underpinned by Approximately Orthogonal Fine-Tuning Strategy [57.54306942529943]
  約直交微調整(AOFT)による低ランク重量行列の表現法を提案する。 本手法は,下流画像分類タスクにおける競合性能を実現する。
  論文  参考訳（メタデータ） (2025-07-17T16:09:05Z)
• One-sided Matrix Completion from Two Observations Per Row [95.87811229292056]
  行列の欠落値を$XTX$で計算する自然アルゴリズムを提案する。 合成データの一方の回収と低被覆ゲノムシークエンシングについて,本アルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2023-06-06T22:35:16Z)
• Test Set Sizing Via Random Matrix Theory [91.3755431537592]
  本稿ではランダム行列理論の手法を用いて、単純な線形回帰に対して理想的なトレーニング-テストデータ分割を求める。 それは「理想」を整合性計量を満たすものとして定義し、すなわち経験的モデル誤差は実際の測定ノイズである。 本論文は,任意のモデルのトレーニングとテストサイズを,真に最適な方法で解決した最初の論文である。
  論文  参考訳（メタデータ） (2021-12-11T13:18:33Z)
• Causal Matrix Completion [15.599296461516984]
  マトリックス完備化(Matrix completion)は、ノイズ観測のスパース部分集合から基礎となる行列を復元する研究である。 伝統的に、行列の成分は「ランダムに完全に欠落している」と仮定される。
  論文  参考訳（メタデータ） (2021-09-30T14:17:56Z)
• Meta-learning for Matrix Factorization without Shared Rows or Columns [39.56814839510978]
  提案手法は,行列を入力とするニューラルネットワークを用いて,行列の分解行列の事前分布を生成する。 ニューラルネットワークは、期待される計算誤差を最小限に抑えるようにメタ学習される。 3つのユーザ・イテム評価データセットを用いた実験により,提案手法は未知の行列における限られた数の観測結果から,欠落した値をインプットできることを示した。
  論文  参考訳（メタデータ） (2021-06-29T07:40:20Z)
• Non-PSD Matrix Sketching with Applications to Regression and Optimization [56.730993511802865]
  非PSDおよび2乗根行列の次元削減法を提案する。 複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2021-06-16T04:07:48Z)
• Adversarially-Trained Nonnegative Matrix Factorization [77.34726150561087]
  非負行列ファクタリゼーションの逆学習版を検討する。 我々の定式化では、攻撃者は与えられたデータ行列に有界ノルムの任意の行列を追加する。 辞書と係数行列を最適化するために, 逆学習に触発された効率的なアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-04-10T13:13:17Z)
• Deep Two-way Matrix Reordering for Relational Data Analysis [41.60125423028092]
  行列の並べ替えは、与えられた行列の行と列をパーミュレートするタスクである。 本稿ではニューラルネットモデルを用いた新しい行列並べ替え手法Deep Two-way Matrix Reordering (DeepTMR)を提案する。 合成データセットと実用データセットの両方に適用することで,提案されたDeepTMRの有効性を実証する。
  論文  参考訳（メタデータ） (2021-03-26T01:31:24Z)
• Relative Error Bound Analysis for Nuclear Norm Regularized Matrix Completion [101.83262280224729]
  我々は、原子核ノルム正規化行列補完に対する相対誤差を開発する。 未知行列の最適低ランク近似を回復するための相対上界を導出する。
  論文  参考訳（メタデータ） (2015-04-26T13:12:16Z)

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。