- 高效广义低秩张量内容自助机
本文提出了一种新颖的多维数据和奖励函数非线性性能充分发挥的强大 Bandits 算法,引入了广义低秩张量上下文 Bandits 模型进行决策服务,并证明其优于向量化和矩阵化情况的后悔界。通过一系列仿真和真实数据实验验证了该算法的有效性,充分 - 高维和低秩张量赌博机
TOFU 算法研究了一个基于张量表示的线性赌博模型,其中系统参数和行动由张量表示,特别关注未知系统张量为低秩张量的情况。它首先利用灵活的张量回归技术估计与系统张量相关联的低维子空间,然后利用这些估计将原始问题转化为具有系统参数范数约束的新问 - 广义张量估计的最优统计和计算框架
该论文提出了一种灵活的通用低秩张量估计问题的框架,包括计算成像、基因组学和网络分析等应用中的许多重要实例,并通过投影梯度下降的统一方法来克服这些问题的非凸性,以适应底层低秩结构,并证明该算法在估计误差的收敛速度上达到极小值最优率。
- 从含噪数据中恢复低秩张量的非凸方法
我们提出了一个两阶段的非凸算法,用于从高度不完整和随机损坏的观测值中重建低秩张量,并在几乎线性时间内恢复所有单个张量因子,同时享受接近最优的统计保证,我们还讨论了如何扩展我们的方法以适应非对称张量。
- NIPS低秩张量回归的近似最优素描
本文介绍了针对最小二乘回归问题的 CP 和 Tucker 分解模型,以及基于稀疏随机投影的数据降维技术,旨在减小模型参数数量和计算量。作者通过数值模拟得到了实验结果,证实了其理论的有效性。
- Cross: 高效低秩张量补全
本研究提出了一种基于交叉测量方案的低秩张量完备性方法,可从噪声测量中恢复出高阶低秩张量,其样本复杂度匹配样本复杂度下限,并在神经影像学数据中进行了演示。
- 关于利用张量多阶最小化统一多视角自表示聚类
本文提出 t-SVD 基于多视角数据的子空间聚类方法,通过引入张量代数、低秩张量约束和增广 Lagrange 方法来探索多视角数据中的高阶相关性和互补信息。经过广泛实验证明,该方法在多个挑战性图像数据集上表现卓越。
- 通过核范数最小化进行张量完成
本文探讨了在张量补全中使用矩阵补全技术的不足之处,并证明了直接最小化张量核范数的凸优化方法对于提高样本需求是有益的。我们通过开发一系列代数和概率技术来建立结果,例如张量核范数的次微分的表征以及张量鞅的浓度不等式,这可能对其他张量相关问题具有 - 低秩张量补全的并行矩阵分解
本研究提出了一个新的模型以及应用交替最小化算法和两种自适应秩调整策略同时对低秩张量进行低秩矩阵分解,结果表明,该算法可以在比其他方法更少的数据采样下恢复各种合成低秩张量,而且实际数据的测试结果也有类似优势。
- MM方形交易:张量恢复的下界和改进的松弛
本文提出一种新的简单的基于凸松弛的方法,并通过模拟实验证明其在低秩张量恢复方面性能更好,这有可能通过同时利用多种结构来降低样本复杂度。