[論文レビュー] Generating Polynomials and Symmetric Tensor Decompositions

Jiawang Nie|arXiv (Cornell University)|Aug 25, 2014

Tensor decomposition and applications参考文献 26被引用数 4

ひとこと要約

本稿では、対称テンソル分解を特徴付けるために生成多項式および生成行列を導入し、代数幾何学と多項式系を用いた効率的なテンソルランク分解の計算を可能にする。主な貢献は、アポラルイデアル構造とカタレクティカン트行列を活用した手法であり、高精度（誤差 ≈ 10⁻¹²）で数秒から数分の時間で高次のテンソルに対しても分解を計算可能である。

ABSTRACT

This paper studies symmetric tensor decompositions. For symmetric tensors, there exist linear relations of recursive patterns among their entries. Such a relation can be represented by a polynomial, which is called a generating polynomial. The homogenization of a generating polynomial belongs to the apolar ideal of the tensor. A symmetric tensor decomposition can be determined by a set of generating polynomials, which can be represented by a matrix. We call it a generating matrix. Generally, a symmetric tensor decomposition can be determined by a generating matrix satisfying certain conditions. We characterize the sets of such generating matrices and investigate their properties (e.g., the existence, dimensions, nondefectiveness). Using these properties, we propose methods for computing symmetric tensor decompositions. Extensive examples are shown to demonstrate the efficiency of proposed methods.

研究の動機と目的

• 生成多項式および行列を用いた、対称テンソル分解の体系的代数的フレームワークの構築を目的とする。
• 生成行列が有効な対称テンソル分解を決定するための条件を特徴付けること。
• 特に一般のテンソルに対して、対称テンソル分解を効率的に計算するための手法を提供すること。
• テンソルランクに関連して、生成行列の存在性、次元、非退化性を分析すること。

提案手法

• テンソル成分間の再帰的線形関係を符号化する生成多項式を用いて、対称テンソル成分を表現する。
• 生成多項式の集合の行列表現としての生成行列を定義し、対称テンソル分解を決定する。
• アポラルイデアルと生成多項式の斉次化を用いて、テンソル分解を代数幾何学と多項式系に結びつける。
• ランク条件の検証と分解プロセスのガイドラインとして、カタレクティカンント行列を適用する。
• 生成行列から導かれる多項式系を解くことにより、対称テンソル分解を計算するアルゴリズム4.3を実装する。
• 数値代数幾何学とホモトピー続行法を活用して、得られた系を効率的に解き、誤差制御を実現する。

実験結果

リサーチクエスチョン

• RQ1 テンソル成分間の多項式関係を用いて、対称テンソル分解を体系的に特徴付ける方法は何か？
• RQ2 生成行列が有効な対称テンソル分解を生成するための条件は何か？
• RQ3 生成行列の存在性、次元、非退化性は、対称テンソルのランクとどのように関係するか？
• RQ4 生成多項式および行列を用いて、一般のテンソルに対して対称テンソル分解を効率的に計算できるか？
• RQ5 提案手法の計算性能および精度は、異なるテンソルの次数や次元においてどのように変化するか？

主な発見

• 本手法は、ランダムに生成されたテンソルに対して、残差誤差が10⁻¹²のオーダーで正確に分解を計算できた。
• S⁵(ℂ⁴)におけるテンソルでは、数秒の計算時間でランク15の分解が正確に計算された。
• S⁶(ℂ⁴)では、数分の計算時間でランク21の分解が計算され、同様の誤差レベルを達成した。
• (n+1,m) = (8,3)の場合、平均計算時間は1799.6秒であり、高次元ケースにおけるスケーラビリティの課題が示された。
• 各(n+1,m)ペアについて50件のランダムインスタンスを対象にした実験で、すべての分解が所望の長さと高い精度で計算され、一貫した成功が得られた。
• テスト事例において、カタレクティカンント行列のランクは、テンソルランクより1小さいことが確認され、計算された分解の正しさを裏付けた。