文献

J-GLOBAL ID：201902277179882554   整理番号：19A2464770

Grassmann多様体上の部分空間学習に対するriemannianゴシップ法【JST・京大機械翻訳】

A Riemannian gossip approach to subspace learning on Grassmann manifold

著者 (4件)： Mishra Bamdev (Microsoft, Hyderabad, India) ,  Kasai Hiroyuki (The University of Electro-Communications, Tokyo, Japan) ,  Jawanpuria Pratik (Microsoft, Hyderabad, India) ,  Saroop Atul (Amazon.com, Bengaluru, India)
資料名： Machine Learning  (Machine Learning)
巻： 108  号： 10  ページ： 1783-1803  発行年： 2019年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Grassmannマニホールド上の部分空間学習問題に焦点を当てた。この設定における興味ある応用は,低ランク行列完了と低次元多変量回帰を含む。プライバシー懸念に動機付けられて,著者らは,複数のエージェントが全体の最適化問題の一部を(および解決する)にアクセスする分散環境におけるそのような問題を解決することを目的とした。エージェントは合意に到達するために互いに通信する。すなわち,ゴシッププロトコルを介して共通量に一致する。著者らは,Grassmannマニホールドに関する部分空間学習のための新しいコスト関数を提案した。それは,いくつかのサブ問題(エージェントによって解決される)とエージェント間の通信コストの加重和である。コスト関数は有限和構造を持つ。提案したモデリングアプローチにおいて,異なるエージェントは個々の局所部分空間を学習するが,それらはグローバル学習部分空間上で漸近的コンセンサスを達成する。このアプローチはスケーラブルで並列化可能である。数値実験により,提案した分散アルゴリズムの有効性を種々の行列の完成と多変量回帰ベンチマークに示した。Copyright 2019 The Author(s), under exclusive licence to Springer Science+Business Media LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  最適化問題 ,  プライバシー ,  最適化 ,  *Grassmann多様体 ,  エージェント ,  有効性 ,  マニホールド ,  *学習 ,  ベンチマーク ,  費用関数
準シソーラス用語： *部分空間 ,  加重 ,  ゴシッププロトコル ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 非線形ゴシップ ,  確率勾配 ,  多様体最適化 ,  行列完備化 ,  多変量回帰

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： Grassmann多様体 ,  部分空間学習