非负张量补全的加速随机梯度法及并行实现
信号处理
2021-09-21 v1 机器学习
摘要
我们考虑非负张量补全问题。我们采用交替优化框架，并通过加速梯度算法的随机变体求解每个非负矩阵补全问题。我们使用真实世界与合成数据实验测试了我们算法的有效性与效率。我们利用多线程 API OpenMP 开发了算法的共享内存实现，获得了显著的加速。我们相信我们的方法是非常大规模非负张量补全问题求解的极具竞争力的候选方案。
引用
@article{arxiv.2109.09534,
title = {Accelerated Stochastic Gradient for Nonnegative Tensor Completion and Parallel Implementation},
author = {Ioanna Siaminou and Ioannis Marios Papagiannakos and Christos Kolomvakis and Athanasios P. Liavas},
journal= {arXiv preprint arXiv:2109.09534},
year = {2021}
}
备注
5 pages, 4 figures, this work was accepted and presented at EUSIPCO 2021