Streaming probabilistic tensor train decomposition

要約

ベイジアン ストリーミング テンソル分解法は、ストリーミング データの低ランク近似を発見する新しい方法です。
ただし、ストリーミング データが高次テンソルに由来する場合、既存のベイジアン ストリーミング テンソル分解アルゴリズムのテンソル構造は、表現と計算能力の点で適切ではない場合があります。
この論文では、テンソル列 (TT) 分解に基づく新しいベイジアン ストリーミング テンソル分解法を提示します。
特に、TT 分解は、高次テンソルを表現するための効率的なアプローチを提供します。
ストリーミング変分推論 (SVI) フレームワークと TT 分解を活用することで、高次の不完全でノイズの多いストリーミング テンソルの潜在構造を推定できます。
合成データと実世界のデータでの実験は、最先端のベイジアン ストリーミング テンソル分解アプローチと比較して、当社のアルゴリズムの精度を示しています。

要約(オリジナル)

The Bayesian streaming tensor decomposition method is a novel method to discover the low-rank approximation of streaming data. However, when the streaming data comes from a high-order tensor, tensor structures of existing Bayesian streaming tensor decomposition algorithms may not be suitable in terms of representation and computation power. In this paper, we present a new Bayesian streaming tensor decomposition method based on tensor train (TT) decomposition. Especially, TT decomposition renders an efficient approach to represent high-order tensors. By exploiting the streaming variational inference (SVI) framework and TT decomposition, we can estimate the latent structure of high-order incomplete noisy streaming tensors. The experiments in synthetic and real-world data show the accuracy of our algorithm compared to the state-of-the-art Bayesian streaming tensor decomposition approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google