文献

J-GLOBAL ID：202202268370395534   整理番号：22A0326462

スパースデータのための高速テンソル列分解【JST・京大機械翻訳】

Faster tensor train decomposition for sparse data

著者 (3件)： Li Lingjie (Department of Computer Science and Technology, BNRist, Tsinghua University, Beijing 100084, China) ,  Yu Wenjian (Department of Computer Science and Technology, BNRist, Tsinghua University, Beijing 100084, China) ,  Batselier Kim (The Delft Center for Systems and Control, Delft University of Technology, Delft, Netherlands)
資料名： Journal of Computational and Applied Mathematics  (Journal of Computational and Applied Mathematics)
巻： 405  ページ： Null  発行年： 2022年 
JST資料番号： W0152A  ISSN： 0377-0427  CODEN： JCAMDI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,テンソルの応用は,データ解析と数値計算を含む分野でより広くなっている。データの爆発的成長のため,低ランクテンソル分解が,次元の悪名な curseを利用するための強力なツールになった。テンソル分解の主な形式は,CP分解,Tucker分解,テンソル列(TT)分解などを含み,TT-SVDとランダム化TT-SVDを含む既存のTT分解アルゴリズムの各々は,フィールドで成功するが,大規模スパーステンソルを正確かつ効率的に分解できない。以前の研究に基づいて,本論文は,証明済みの正当性と計算複雑度の上限を有する大規模スパーステンソルのための新しい準最適高速TT分解アルゴリズムを提案した。また,それは,数値誤差なしで,また,需要に関してわずかに大きいTTランクで,スパースTTを効率的に生産することができた。数値実験において,提案アルゴリズムは,TT-SVDよりも遥かに速い速度でスパーステンソルを分解でき,ランダム化TT-SVDおよびTT交差に対して,速度,精度および汎用性に利点を有することを検証した。そして,それを用いて,以前に達成不能な大規模スパース行列TT分解を実現することができ,テンソル分解ベースアルゴリズムをより多くのシナリオに適用することができる。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  数値計算 ,  *テンソル ,  ベクトル ,  分解 ,  汎用性 ,  計算量 ,  データ解析 ,  次元 ,  スパース行列
準シソーラス用語： 数値実験 ,  数値誤差 ,  テンソル分解 ,  ランダム化 , 【Automatic Indexing@JST】

著者キーワード (4件)： テンソル列分解 ,  スパースデータ ,  TTラウンド ,  並列ベクトル丸め

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

タイトルに関連する用語 (2件)： テンソル ,  分解