NIPSJun, 2015

通过草图实现快速和保证的张量分解

PDF
TL;DR本文提出了一种基于草图的快速随机张量 CP 分解算法，通过 FFT 计算张量收缩并使用对称张量的冲突哈希进一步节省计算时间，结合白化和张量幂迭代技术，此算法在稀疏和密集张量上都具有最快的速度，适用于主题建模等应用。
tensor decompositionsketching algorithmtensor contractionsfftsymmetric tensors
发现论文，激发创造
  • 随机 CP 张量分解

    本文研究了 CANDECOMP/PARAFAC（CP）张量分解在多维数据降维中的应用，提出了一种基于随机算法的简单但强大的算法来计算大规模张量的近似 CP 分解，并通过多个实验结果证明了该算法的性能。

    Mar, 2017

  • 实用的随机 CP 张量分解

    本文介绍了一种基于随机最小二乘法的 CANDECOMP / PARAFAC (CP) 分解方法，旨在提高多维数据的分析效率。通过优化 CP-ALS 的个别步骤，如预处理，Khatri-Rao 乘积以及停止条件等，方法可显著缩短计算时间，减少计算所需内存，并提高算法的鲁棒性。

    Jan, 2017

  • 具有最坏情况保证的张量分解更高效的抽样方法

    提出了基于采样的交替最小二乘法（ALS）方法，用于对张量进行低秩分解的 CP 和张量环分解，其成本不具有指数依赖性，并在特征提取实验中应用了这些方法，从而显著提高了先前的最新技术水平。

    Oct, 2021

  • MACH: 快速随机张量分解

    本文提出了一种新的采样算法 MACH，用于计算 Tucker 分解，能够有效地处理大规模，计算密集型和后期数据分析的多方面数据。

    Sep, 2009

  • 张量方法与矩阵方法：针对块稀疏扰动的鲁棒张量分解

    本文提出一种新的非凸迭代算法，可以将张量分解为低秩部分和稀疏部分，在低秩 CP 分解和残差的硬阈值处理之间交替进行，可处理具有一个更高程度扰动的稀疏张量，应用于视频中的活动检测任务。

    Oct, 2015

  • 基于三次草图的稀疏低秩张量估计

    该研究提出一种基于稀疏张量分解和阈值梯度下降的二阶段非凸实现框架，可从立方挖掘中进行稀疏和低秩张量估计，在无噪音情况下确保准确恢复，在带噪音情况下高概率稳定恢复，并导出了新的高阶浓度不等式对高阶交互追求在高维线性回归中的潜在应用进行了张量表述。

    Jan, 2018

  • 关于张量、稀疏性和非负因子分解

    本文研究了稀疏计数数据的多线性建模问题，提出了一个以泊松分布为假设的描述性张量分解模型和相应的算法和理论，并介绍了一种基于主导极小化方法的泊松张量分解算法，称为 CP-APR，并在几个数据集上的结果得到了验证。

    Dec, 2011

  • 通过交替秩 -$1$ 更新实现非正交张量分解保障

    本论文提出了一种用于 CP 张量分解的交替秩 - 1 更新算法，并提供了局部和全局收敛保证，同时考虑不对称张量和噪声干扰等因素。

    Feb, 2014

  • 基于深度学习辅助的张量 CP 分解交替最小二乘法及其在大规模 MIMO 信道估计中的应用

    提出了一种基于深度学习的 CP decomposition 算法，使用深度神经网络生成有利的初始值，加速和提高了信道估计的精度。

    May, 2023

  • 使用张量幂法进行 CP 分解压缩卷积神经网络

    基于张量分解和张量幂法的卷积神经网络压缩方法及迭代微调优化策略实现了较高的压缩比和减少了内存和计算成本，相比现有工作在不丢失精度的情况下实现了显著的优化。

    Jan, 2017