[論文レビュー] Low-Rank Tensor Completion via Tensor Ring with Balanced Unfolding

Huyan Huang, Yipeng Liu+1 more|arXiv (Cornell University)|Mar 8, 2019

Sparse and Compressive Sensing Techniques被引用数 2

ひとこと要約

本稿では、バランスドアンフォールディングを用いたテンソルリング（TR）分解を用いた低ランクテンソル補完法を提案する。この手法により、凸最適化を用いて n^{d/2} r^2 ln^7(n^{d/2}) 個のサンプルから、サイズ n で TR ランク r の d 階テンソルを正確に回復できる。TR 不整合性条件（行列の不整合性条件に類似）を満たせば、高確率での回復が達成され、合成データおよび実世界のデータにおいて、最先端手法を上回る性能を発揮する。

ABSTRACT

Tensor completion recovers a multi-dimensional array from a limited number of measurements. Using the recently proposed tensor ring (TR) decomposition, in this paper we show that a d-order tensor of dimensional size n and TR rank r can be exactly recovered with high probability by solving a convex optimization program, given n^{d/2} r^2 ln^7(n^{d/2})samples. The proposed TR incoherence condition under which the result holds is similar to the matrix incoherence condition. The experiments on synthetic data verify the recovery guarantee for TR completion. Moreover, the experiments on real-world data show that our method improves the recovery performance compared with the state-of-the-art methods.

研究の動機と目的

• 限られた測定値から低ランク構造を用いて多次元テンソルを回復するという課題に対処すること。
• テンソル補完におけるテンソルリング（TR）分解の理論的回復保証を確立すること。
• TR 不整合性条件を満たす場合に正確なテンソル回復を保証する凸最適化フレームワークを構築すること。
• 実世界および合成データセットにおいて、最先端の手法を上回る回復性能を向上させること。

提案手法

• 本手法は、TR ランク r を用いた d 階テンソルを表現するため、テンソルリング（TR）分解を採用し、高次元配列の低ランクモデリングを可能にする。
• 最適化中にテンソル構造を保持するために、バランスドアンフォールディングが導入され、数値的安定性と回復精度が向上する。
• TR 形式上での核ノルムに類似した正則化子を最小化する凸最適化プログラムが定式化され、低ランク解の促進が図られる。
• 理論的分析により、サンプル数が n^{d/2} r^2 ln^7(n^{d/2}) であれば、正確な回復が高確率で可能であることが示された。
• TR 不整合性条件が定義され、これはよく知られた行列不整合性条件に類似しており、望ましいサンプリング複雑度を保証する。

実験結果

リサーチクエスチョン

• RQ1 テンソルリング分解を用いることで、凸最適化フレームワーク下で高確率で正確なテンソル補完が可能になるか。
• RQ2 提案されたTRベースの手法を用いた場合、正確な回復に必要なサンプル数はどの程度か。
• RQ3 提案されたTR不整合性条件は、古典的な行列不整合性と比較して、理論的保証においてどのように異なるか。
• RQ4 本手法は、実世界のテンソル補完タスクにおいて、既存の最先端手法を上回る性能を示すか。

主な発見

• 提案手法は、n^{d/2} r^2 ln^7(n^{d/2}) 個のサンプルを用いて、高確率で正確なテンソル回復を達成し、理論的サンプリングバインドを確立した。
• 回復が成立するTR不整合性条件は、行列不整合性条件と構造的に類似しており、理論的直感を支持する。
• 合成データにおける実験により、理論的回復保証が妥当であることが検証され、提示された条件下で正確な回復が確認された。
• 実世界のデータセットでは、本手法が最先端のテンソル補完技術を上回る優れた回復性能を示した。