一种非线性PID增强的自适应隐因子分析模型
机器学习
2022-08-05 v1
摘要
高维不完全(HDI)数据在各种工业应用中蕴含着巨大的交互信息。隐因子(LF)模型利用随机梯度下降(SGD)算法从HDI数据中提取有价值的信息,效果显著。然而,基于SGD的LFA模型仅考虑当前学习误差,导致收敛缓慢。针对这一关键问题,本文提出一种非线性PID增强的自适应隐因子(NPALF)模型,包含两方面思路:1)遵循非线性PID控制器原理,通过考虑过去的学习误差来重构学习误差;b)遵循粒子群优化(PSO)算法原理,有效实现所有参数的自适应。在四个代表性HDI数据集上的实验结果表明,与五种最先进的LFA模型相比,NPALF模型在HDI数据缺失值的收敛速度和预测精度上均更优。
引用
@article{arxiv.2208.02513,
title = {A Nonlinear PID-Enhanced Adaptive Latent Factor Analysis Model},
author = {Jinli Li and Ye Yuan},
journal= {arXiv preprint arXiv:2208.02513},
year = {2022}
}