KL 주성분 텐서 분석, NP‑hard가 아니다
본 논문은 비음수 텐서의 비음수 순위‑1 근사 문제를 일반화된 Kullback‑Leibler(KL) 발산 기준으로 풀었으며, 전역 최적 해를 닫힌 형태로 구할 수 있음을 증명한다. 이는 임의의 차원·모드 수를 갖는 텐서에 대해 NP‑hard가 아님을 의미한다. 또한 다중 순위(K>1) 경우를 잠재 다항식 모델과 연결시키고, EM‑유사 반복 알고리즘을 제시한다. 실험에서는 Iris 데이터셋을 이용해 비지도 학습 성능을 검증한다.
저자: Kejun Huang, Nicholas D. Sidiropoulos
본 논문은 비음수 텐서의 비음수 순위‑1 근사 문제를 일반화된 Kullback‑Leibler(KL) 발산을 손실함수로 삼아 풀고, 전역 최적 해를 닫힌 형태로 구할 수 있음을 증명한다. 먼저 텐서 \(Y\in\mathbb{R}_{+}^{J_{1}\times\cdots\times J_{N}}\)와 목표 순위 \(K\)가 주어졌을 때, CPD 형태 \(
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기