AAAIOct, 2020

SWIFT: 稀疏非负张量的可扩展瓦石均值分解

PDF
TL;DR本文提出了一种新的张量分解方法 SWIFT，将张量分解问题转换成了一个最优输运问题，并利用 Wasserstein 距离度量输入张量和重构张量的距离，与其他 CP 算法具有可伸缩性，获得了相对于基线方法 9.65% 和 11.31% 的性能提升，在噪声条件下甚至相对于最佳竞争对手获得了 15% 和 17% 的性能提升。
tensor factorizationwasserstein distancecorrelationoptimal transport problemswift
发现论文，激发创造
  • 具峰值非负张量分解的 Wasserstein 流形正则化

    利用 Wasserstein 距离作为度量，并将图形正则化器添加到潜在因子中，我们引入了 Wasserstein 流形非负张量分解（WMNTF），以利用特征的相关信息和样本的流形信息。实验证明，与其他 NMF 和 NTF 方法相比，所提方法的有效性。

    Jan, 2024

  • 基于牛顿的针对 Kullback-Leibler 非负张量分解的优化

    本文探讨了基于 Kullback-Leibler divergence 函数的适当的标准交替块变量方法的正定多项式张量分解的有效技术，并提出了新的子问题解算器来利用结构并将优化问题重新表述为小的独立子问题，使用有界的 Newton 和拟牛顿方法。与其他代码比较，表明我们的算法具有更快的速度，能够获得高精度的结果，并迅速找到稀疏解。

    Apr, 2013

  • 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

  • 分布式柔性非线性张量分解

    本文提出了一种分布式、灵活的非线性张量分解模型，通过可避免昂贵的计算以及提供高质量推理的上限，它能够克服传统张量分解模型中的限制，并展现出在 CTR 预测方面的巨大潜力。

    Apr, 2016

  • 通过对称和逐因子不变函数的通用架构，神经逼近瓦瓦斯坦距离

    本文提出了一种通用的神经网络架构来逼近对称函数，结合草图思想开发了一种能够逼近点集间 $p$-th Wasserstein 距离的特定和高效神经网络，经验结果表明该网络的性能明显优于其他模型，有望在解决各种几何优化问题中发挥作用。

    Aug, 2023

  • 基于因子耦合的统计最优输运

    本文章提出了一种新的方法来估计高维中两个概率分布之间的 Wasserstein 距离和最优传输方案，该方法可以在各种任务中获得显著的改进，包括单细胞 RNA 测序数据的领域适应性。该方法基于低运输秩的耦合，解决了数据驱动最优传输中的维数灾难，并得到了理论分析的支持。

    Jun, 2018

  • 不完整数据的可扩展张量分解

    考虑如何分解具有缺失值的数据集，以捕捉数据的潜在结构并可能重建缺失值。我们开发了一种名为 CP-WOPT 的算法，该算法使用一种一阶优化方法来解决加权最小二乘问题，并通过大量的数值实验验证了该算法的性能良好，能够成功分解噪声数据及缺失数据高达 99％的张量，同时适用于稀疏大规模数据。

    May, 2010

  • 通过矩阵分解实现张量分解

    本研究提出了一种新的 CP 张量分解方法，使用了随机投影算法降低了问题难度并在模拟和真实数据集上得到了更好的表现。

    Jan, 2015

  • 可扩展的最近邻搜索用于最优输运

    这篇论文介绍一种快速、准确的 Wasserstein-1 距离近邻搜索算法 Flowtree，通过实验表明它比之前的最先进算法快 7.4 倍。

    Oct, 2019

  • 大规模计数数据的可扩展贝叶斯非负张量分解

    本文提出了用于计数张量数据的贝叶斯非负张量分解模型，并开发了可用于处理海量张量的可扩展推理算法（批处理和在线推理），以及一系列实际应用。

    Aug, 2015