文献

J-GLOBAL ID：202102269563177754   整理番号：21A2215420

NMFのための分散HALS法における平均合意アルゴリズムの単純化

Simplification of Average Consensus Algorithm in Distributed HALS Algorithm for NMF

著者 (3件)： 林京寿 (岡山大 大学院自然科学研究科) ,  右田剛史 (岡山大 大学院自然科学研究科) ,  高橋規一 (岡山大 大学院自然科学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 79(NC2021 1-17)  ページ： 15-22 (WEB ONLY)  発行年： 2021年06月21日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 非負値行列因子分解(NMF:Nonnegative Matrix Factorization)は与えられた非負値行列を二つの非負値行列の積で近似することであり,画像処理,音声信号処理,データマイニング,推薦システムなどの幅広い分野に応用されている.最近,NMFの高速計算法の一つである階層的交互最小二乗法を,ネットワークを形成する複数の計算機で分散的に実行する方法が提案された.これにより,単一計算機では扱えないような大規模行列に対してもNMFを高精度で実行することができる.しかし,この方法で用いられている平均合意アルゴリズムでは,合意に至るまでの変数値の履歴をすべて記憶しておかねばならず,各計算機のメモリ使用量や計算負荷が大きくなってしまう.そこで本報告では,平均合意アルゴリズムを単純なものに置き換えた新たな分散計算法を提案し,その有効性を実験的に検証する.特に,不完全な平均合意がNMFの精度にどのように影響するかを実験的に評価する.(著者抄録)

シソーラス用語： 最小二乗法 ,  意思決定 ,  高速計算 ,  マルチエージェントシステム ,  精度 ,  計算 ,  制約付最適化問題 ,  *アルゴリズム ,  実験 ,  *行列 ,  *因子分析
準シソーラス用語： 非負行列因子分解 ,  合意形成アルゴリズム ,  計算精度 ,  分散計算 ,  数値実験

分類 (1件)： 数値計算  (JE02000J)

引用文献 (16件)：

• P. Paatero and U. Tapper, “Positive matrix factorization: A non-negative factor model with optimal utilization of error estimates of data values,” Environmetrics, vol. 5, no. 2, pp. 111-126, 1994.
• D. D. Lee and H. S. Seung, “Learning the parts of objects by non-negative matrix factorization,” Nature, vol. 401, no. 6755, pp. 788-791, 1999.
• A. Cichocki, R. Zdunek, A. H. Phan, and S. Amari, Nonnegative Matrix and Tensor Factorization: Applications to Exploratory Multi-Way Data Analysis and Blind Source Separation, John Wiley & Sons, 2009.
• N. Gillis, Nonnegative Matrix Factorization, SIAM, 2020.
• P. O. Hoyer, “Non-negative matrix factorization with sparseness constraints,” Journal of Machine Learning Research, vol. 5, pp. 1457-1469, 2004.

タイトルに関連する用語 (6件)： NMF ,  HALS ,  平均 ,  合意 ,  アルゴリズム ,  単純化