用于精修潜在因子的 Adam 调整天线 BAS 算法
机器学习
2022-08-16 v1
摘要
提取高维且不完整矩阵中的潜在信息是一个重要且具挑战性的问题。潜在因子分析（LFA）模型能够很好地处理高维矩阵分析。最近，结合粒子群优化（PSO）的 LFA 模型被提出，以高效地自适应调整超参数。然而，PSO 的结合导致了早熟问题。为了解决这个问题，我们提出了一种序列 Adam 调整天线 BAS（A2BAS）优化算法，用于精修由结合 PSO 的 LFA 模型获得的潜在因子。A2BAS 算法由两个子算法组成。首先，我们设计了一种改进的 BAS 算法，该算法使用 Adam 调整甲虫的天线和步长；其次，我们实现该改进的 BAS 算法以顺序优化所有的行和列潜在因子。通过在两个真实高维矩阵上的实验结果，我们证明了我们的算法能够有效解决早熟收敛问题。
引用
@article{arxiv.2208.06603,
title = {An Adam-adjusting-antennae BAS Algorithm for Refining Latent Factors},
author = {Yuanyi Liu and Jia Chen and Di Wu},
journal= {arXiv preprint arXiv:2208.06603},
year = {2022}
}