一种用于典范多态分解的加速随机梯度方法
信号处理
2021-09-30 v1 机器学习
摘要
我们考虑结构化典范多态分解问题。当问题规模非常大时，随机梯度方法是交替优化和整体优化等经典方法的可行替代方案。我们通过在每次迭代中采用加速步骤（Nesterov 动量）扩展了一种近期的随机梯度方法。我们使用合成数据和真实世界数据将我们的方法与 SOTA 替代方案进行了比较，发现其极具竞争力。
关键词
引用
@article{arxiv.2109.13964,
title = {An Accelerated Stochastic Gradient for Canonical Polyadic Decomposition},
author = {Ioanna Siaminou and Athanasios P. Liavas},
journal= {arXiv preprint arXiv:2109.13964},
year = {2021}
}
备注
5 pages, 4 figures, this work was accepted and presented at EUSIPCO 2021