二重グラフ埋込みによるBayes低ランク行列完備化:事前解析とチューニングフリー推論【JST・京大機械翻訳】

Chen Yangge; Cheng Lei; Wu Yik-Chung

プレプリント

J-GLOBAL ID：202202201709611275 整理番号：22P0306694

二重グラフ埋込みによるBayes低ランク行列完備化:事前解析とチューニングフリー推論【JST・京大機械翻訳】

Bayesian Low-rank Matrix Completion with Dual-graph Embedding: Prior Analysis and Tuning-free Inference

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年09月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近,二重グラフ正則化のレンズを通して,低ランク行列完了ベースの教師なし学習に興味の復活があり,それは推薦システム,遺伝子型帰属,および画像修復のような多分野機械学習タスクの性能を著しく改良する。デュアルグラフ正則化は成功の主要部分に寄与するが,計算上の高価なハイパーパラメータスタニングは通常含まれる。このような欠点を回避し,完了性能を改善するために,二重グラフ正則化に関連したハイパーパラメータを自動的に学習し,同時に行列完了の低ランクを保証する新しいBayes学習アルゴリズムを提案する。特に,行列の低ランクを促進し,二重グラフ情報を同時に符号化する新しい事前を考案し,単一グラフ対応物よりも挑戦的である。次に,提案した先物と尤度関数の間の非自明な条件付きコンジュガシーを,効率的アルゴリズムが変分推論フレームワークの下で導き出すように調査した。合成および実世界データセットを用いた大規模な実験は,様々なデータ解析タスクに対して提案した学習アルゴリズムの最先端の性能を示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る