抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
低ランクスパーステンソル因数分解は多元データを解析するためのpopulartoolであり,レコメンダーシステム,精度ヘルスケア,およびサイバーセキュリティとしてdomainssuchで使用されている。asnon陰性またはスパースな因数分解に賦課制約が多元データのpriorknowledgeをコードする自然な方法であった。拘束factorizationsareは実地医家に役立つが,遅い収束とcomputationaloverheadsにより時間をincreasefactorization大きくできる。最近,高い収束速度と能力ホールの両方を持っていると乗算器(AO ADMM)wasshownの交互最適化andalternating方向法のハイブリッドは様々な一般的な制約を組み込んだ。今回は,並列化戦略とAO ADMMを加速する二approachesforを提示した。内部ADMM反復のconvergencecriteriaを再定義することによって,我々は,iterationconvergenceを促進するだけでなく,キャッシュ資源の効率的な使用によるADMMiterationsの実行を高速化する方法で使用されているsplittheデータすることができた。第2に,テンソル行列カーネルをスピードアップするthefactorsにおける動的スパース性を利用する方法を開発した。これらcombinedadvancementsはさまざまな実世界スパーステンソルの最先端8までの高速化を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】