Recursive Update Techniques for Rank-Sparsity based Matrix Decomposition

Q: 이 논문에서 정의한 랭크 희소성이란 무엇인가?

랭크 희소성은 주어진 행렬을 낮은 랭크 행렬과 희소 행렬로 분해하는 알고리즘이다. 이는 심하게 손상된 관측치에 대한 강건성 때문에 기존 PCA 방법의 효율적인 대체제로 사용된다. 데이터 행렬의 랭크가 충분히 낮고 오류 행렬이 충분히 희소하면, 이 기술을 통해 원래의 낮은 랭크 행렬과 희소 행렬을 완전히 재구성할 수 있다.

Q: 제안된 투영 기반 랭크 희소성 알고리즘은 기존 방식과 비교하여 어떤 이점을 가지는가?

연구 결과, 제안된 투영 기반 랭크 희소성 알고리즘은 새로운 데이터 업데이트 시 전체 데이터를 로드하고 처리할 필요 없이 새로운 데이터만 낮은 랭크 공간에 투영하여 계산 복잡성을 크게 줄인다. 이는 약간의 성능 저하에도 불구하고, 기존 배치 최적화 방식보다 연산 속도를 획기적으로 향상시켜 랭크 희소성의 실시간 적용을 가능하게 한다.

HyeungIll Lee; JungWoo Lee

추천

검색

질문

자료유형: 학술대회자료

저자정보: HyeungIll Lee (Seoul National University) JungWoo Lee (Seoul National University)

저널정보: 대한전자공학회 ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications ITC-CSCC 2015

발행연도: 2015.6

수록면: 172 - 174 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Rank sparsity is a modified algorithm which has Robustness to grossly corrupted observations. Conventional rank sparsity algorithms are based on batch optimization and have to load all the samples into memory. Therefore, conventional algorithms require high computational complexity so that those cannot be applied in real time. In this paper, recursive algorithm for rank sparsity is proposed to update new data without loading and processing all data. This algorithm reduces computational complexity significantly when updating new data with a little performance degradation. This algorithm can be applied to various real-time application of rank sparsity Sparse matrix is a matrix whose elements are mostly zero ... 전체 초록 보기

#rank sparsity #projection #online algorithm

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2016-569-001695875

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)