文献

J-GLOBAL ID：202002280488108870   整理番号：20A2551681

潜在変数解析のためのテンソルネットワーク:テンソル列近似のための新しいアルゴリズム【JST・京大機械翻訳】

Tensor Networks for Latent Variable Analysis: Novel Algorithms for Tensor Train Approximation

著者 (6件)： Phan Anh-Huy (Skolkovo Institute of Science and Technology (Skoltech), Moscow, Russia) ,  Cichocki Andrzej (Skolkovo Institute of Science and Technology (Skoltech), Moscow, Russia) ,  Uschmajew Andre (Max Planck Institute for Mathematics in the Sciences, Leipzig, Germany) ,  Tichavsky Petr (Czech Academy of Sciences, Institute of Information Theory and Automation, Prague, Czech Republic) ,  Luta George (Lombardi Comprehensive Cancer Center, Georgetown University, Washington, DC, USA) ,  Mandic Danilo P. (Imperial College, London, U.K.)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 31  号： 11  ページ： 4622-4636  発行年： 2020年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： コアテンソルを通して相互作用する因子行列へのテンソルの分解は,信号処理と機械学習において多数の応用を見出している。このいわゆるテンソルネットワーク(TN)分解が量子物理学と科学計算において長い間研究されているが,次数2または次数3のサブテンソルの規則化ネットワークとしてデータを表すより一般的なテンソルモデルは,これまで広く考慮されていない。本論文では,テンソル列(TT)分解とその変形に特に焦点を当てて,TN分解の新しいアルゴリズムと応用を示した。TT分解更新のために開発された新アルゴリズムは,交互方法,各反復における1つまたはいくつかのコアテンソルで,大規模データテンソルに対する数学的扱いやすさとスケーラビリティの増強を示した。厳密に対して,与えられたランク,与えられた近似誤差,および与えられた誤差限界の事例をすべて考慮した。提案したアルゴリズムは,よくバランスしたTT分解を提供し,単一混合,雑音除去,および特徴抽出からのブラインドソース分離の古典的パラダイムでテストし,TT分解のための広く使用された切断アルゴリズムより優れた性能を達成した。Copyright 2020 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： *アルゴリズム ,  相互作用 ,  *テンソル ,  *ネットワーク ,  信号処理 ,  特徴抽出 ,  *近似法 ,  機械学習 ,  雑音除去
準シソーラス用語： 誤差限界 ,  科学計算 ,  ブラインドソース分離 ,  大規模データ ,  *テンソルネットワーク ,  *潜在変数 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 潜在変数 ,  解析 ,  テンソルネットワーク ,  テンソル ,  近似 ,  アルゴリズム