[논문 리뷰] Low-Rank Tensor Completion via Tensor Ring with Balanced Unfolding

Huyan Huang, Yipeng Liu외 1명|arXiv (Cornell University)|2019. 03. 08.

Sparse and Compressive Sensing Techniques인용 수 2

한 줄 요약

이 논문은 균형 임의 편개(Tensor Ring, TR) 분해를 사용한 저질서 텐서 복원 방법을 제안하며, 볼록 최적화를 통해 크기가 n이고 TR 질서가 r인 d차원 텐서를 n^{d/2} r^2 ln^7(n^{d/2})개의 샘플로부터 정확하게 복원할 수 있다. 이 방법은 TR 비일관성 조건을 만족할 경우 높은 확률로 복원을 보장하며, 시뮬레이션 및 실세계 데이터에서 최신 기법들을 능가한다.

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.

연구 동기 및 목표

• 제한된 측정치로부터 저질서 구조를 활용해 다차원 텐서를 복원하는 데 도전하는 것.
• 텐서 복원에서 텐서 린(Tr) 분해의 이론적 복원 보장을 수립하는 것.
• TR 비일관성 조건 하에서 정확한 텐서 복원을 보장하는 볼록 최적화 프레임워크를 개발하는 것.
• 실세계 및 시뮬레이션 데이터 세트에서 최신 기법들을 능가하는 복원 성능 향상을 달성하는 것.

제안 방법

• 이 방법은 d차원 텐서를 TR 질서 r로 표현하기 위해 텐서 린(TR) 분해를 사용하여 고차원 배열의 저질서 모델링을 가능하게 한다.
• 최적화 과정에서 텐서의 구조를 유지하기 위해 균형 임의 편개를 도입하여 수치적 안정성과 복원 정확도를 향상시킨다.
• TR 형식에서 핵심 노름 유사 정규화를 최소화하는 볼록 최적화 프로그램을 설정하여 저질서 해를 촉진한다.
• 이론적 분석을 통해 샘플 수가 n^{d/2} r^2 ln^7(n^{d/2})일 경우 높은 확률로 정확한 복원이 가능하다고 밝혔다.
• TR 비일관성 조건을 정의하고, 이 조건이 잘 알려진 행렬 비일관성 조건과 유사함을 입증하여 유리한 샘플링 복잡도를 보장한다.

실험 결과

연구 질문

• RQ1 텐서 린 분해는 볼록 최적화 프레임워크 하에서 높은 확률로 정확한 텐서 복원을 가능하게 할 수 있는가?
• RQ2 제안된 TR 기반 방법을 사용할 경우 정확한 복원을 위해 필요한 샘플 수는 얼마인가?
• RQ3 제안된 TR 비일관성 조건은 이론적 보장 측면에서 고전적 행렬 비일관성과 어떻게 비교되는가?
• RQ4 이 방법은 실세계 텐서 복원 과제에서 기존 최신 기법들을 능가하는가?

주요 결과

• 제안된 방법은 n^{d/2} r^2 ln^7(n^{d/2})개의 샘플을 사용하여 높은 확률로 정확한 텐서 복원을 달성하며, 이는 이론적 샘플링 경계를 설정한다.
• 복원이 성립하는 TR 비일관성 조건은 행렬 비일관성 조건과 구조적으로 유사하여 이론적 직관을 지지한다.
• 시뮬레이션 데이터에 대한 실험을 통해 이론적 복원 보장을 검증하였으며, 제시된 조건 하에서 정확한 복원이 이루어짐을 확인하였다.
• 실세계 데이터 세트에서 이 기법은 최신 텐서 복원 기법들보다 뛰어난 복원 성능을 보였다.