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。
既存の行列完了法は,核ノルム,Schatten-pノルムなどのランク関数の緩和の最適化に焦点を合わせる。通常,それらは収束するために多くの反復を必要とする。さらに,マトリックスの低ランク特性だけは,ほとんどの既存のモデルで利用され,他の知識を組み込んだいくつかの方法は,実際には時間がかかる。これらの問題に取り組むために,閉形式解によって最適化できる新しい非凸型代用物を提案し,それは反復の数十秒以内に経験的に収束する。さらに,最適化はパラメータフリーであり,収束を証明した。ランクの緩和と比較して,代理はランクの上限を最適化することによって動機づけられる。それが既存の行列完成モデルと等価であると理論的に検証した。低ランク仮定に加えて,行列完了のためのカラム-ワイズ相関の利用を意図し,従ってスケーリング不変である適応相関学習を開発した。さらに重要なことに,相関学習を組み入れた後に,モデルは,まだ高速に収束するような閉形式解によって解決することができる。実験は,非凸代理と適応相関学習の有効性を示した。【JST・京大機械翻訳】