文献

J-GLOBAL ID：201802269969139784   整理番号：18A0586699

低ランクテンソル回帰:スケーラビリティと応用【Powered by NICT】

Low-Rank tensor regression: Scalability and applications

著者 (1件)： Liu Yan (Computer Science Department, Viterbi School of Engineering, University of Southern California, Los Angeles, CA 90089)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAMSAP  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： センサと衛星技術の発展に伴い,大量多方向データは,多くの応用で出現した。テンソルデータを分析するための強力な技術として,低ランクテンソル回帰は,機械学習コミュニティから大きな関心を集めている。本論文では,異なる学習シナリオにおける低ランクテンソル回帰を解くための高速アルゴリズム,(a)バッチ学習のための欲張りアルゴリズムを含む一連のを論じる。(b)オンライン学習のための加速された低ランクテンソルオンライン学習(ALTO)アルゴリズム(c)メモリ効率的な学習のためのサブサンプルテンソル射影勾配。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： センサ ,  *学習 ,  射影 ,  高速アルゴリズム ,  ロット ,  アルゴリズム
準シソーラス用語： メモリ効率 ,  オンライン学習 ,  欲張りアルゴリズム ,  学習コミュニティ , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： テンソル ,  スケーラビリティ ,  応用