文献

J-GLOBAL ID：201902283477752668   整理番号：19A2402246

特徴抽出のための分散およびランダム化テンソル列分解【JST・京大機械翻訳】

Distributed and Randomized Tensor Train Decomposition for Feature Extraction

著者 (2件)： Fonal Krzysztof (Faculty of Electronics, Wroclaw University of Science and Technology, Wroclaw, 50-370, Poland) ,  Zdunek Rafal (Faculty of Electronics, Wroclaw University of Science and Technology, Wroclaw, 50-370, Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IJCNN  ページ： 1-8  発行年： 2019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： テンソル因数分解として知られている行列因数分解とそれらの多重線形拡張は,特徴抽出と次元縮小のためのデータ解析と機械学習において広く知られており,有用な方法である。最近,因数分解モデルへの新しいアプローチが,テンソルネットワーク(TN)因数化に現れた。それらは,ストレージ,計算の複雑さを減少させて,多方向データを分解する際に次元のカールを助けることを目的とした。テンソル列(TT)は,量子物理学や化学のような広い範囲で用いられる最も一般的なTNモデルの一つである。本研究では,基本的なTTモデルをランダム化分解と組み合わせ,MapReduceパラダイムに従って分散版に拡張することにより,分類タスクのためのTTsを改善した。結果として,提案した手法は拡張可能であるだけでなく,競合アルゴリズムよりもはるかに高速であり,分類タスクにおいて大規模次元縮小を実行することができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  線形性 ,  次元縮小 ,  *特徴抽出 ,  多重化 ,  データ解析 ,  機械学習 ,  *テンソル ,  計算量 ,  因数分解 ,  拡大
準シソーラス用語： 競合アルゴリズム ,  MapReduce ,  ストレージ装置 ,  行列因数分解 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 特徴抽出 ,  ランダム化 ,  テンソル ,  分解