Scaled Tucker manifold and its application to large-scale machine learning

• Item type: SIG Technical Reports(1)
• 公開日: 2016-08-25
• タイトル: Scaled Tucker manifold and its application to large-scale machine learning
• タイトル / 言語: en
• タイトル: Scaled Tucker manifold and its application to large-scale machine learning
• 言語: eng
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: The University of Electro-Communications
• 著者所属: Amazon Development Centre India
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): Amazon Development Centre India
• 著者名: 笠井, 裕之; Bamdev, Mishra
• 著者名(英): Hiroyuki, Kasai; Bamdev, Mishra
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，低ランク・テンソル Tucker 分解のための新しい幾何空間 “Scaled Tucker Manifold” を提案する．一般的なテンソル回帰問題に対して，Scaled Tucker Manifold により，効率的な解法を確立することが可能となる．Scaled Tucker Manifol の導出にあたっては，Tucker 分解の対称構造と回帰問題の最小自乗構造に着目した新しいリーマン計量を提案し，幾何空間を定義する数々の構成要素を導出する．最後に，回帰問題の一形態である “テンソル補完問題” を例に取り挙げ，シミューレション実験から，Scaled Tucker Manifold に基づき導出した非線形共役勾配法アルゴリズムが，従来の最先端手法と比較してより良い性能を与えることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We propose a novel geometry for dealing with low-rank Tucker decomposition of tensors. The geometry of the scaled Tucker manifold readily allows to develop algorithms for a number of regression problems. Specifically, we propose a novel scaled Riemannian metric (an inner product) that suits well to least-squares cost. The simulation experiments on the tensor completion problem show that our proposed nonlinear conjugate gradient algorithm outperforms state-of-the-art algorithms.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2016-AVM-94, 号 8, p. 1-4, 発行日 2016-08-25
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会