基于贝叶斯张量列分解的流数据恢复
机器学习
2024-02-29 v2 统计理论
机器学习
统计理论
摘要
本文研究一种贝叶斯张量列(TT)分解方法,通过逼近高阶流数据中的潜在结构来恢复流数据。借助流变分贝叶斯方法,我们将 TT 格式引入用于流数据的贝叶斯张量分解方法中,并给出 TT 核的后验分布。得益于 TT 格式的贝叶斯框架,所提算法(SPTT)在恢复具有高阶、不完整和含噪特性的流数据方面表现优异。在合成与真实世界数据集上的实验表明,相较于最先进的流数据贝叶斯张量分解方法,我们的方法具有更高的精度。
引用
@article{arxiv.2302.12148,
title = {Streaming data recovery via Bayesian tensor train decomposition},
author = {Yunyu Huang and Yani Feng and Qifeng Liao},
journal= {arXiv preprint arXiv:2302.12148},
year = {2024}
}