Stochastic Scale Invariant Power Iteration for KL-divergence Nonnegative Matrix Factorization

We introduce a mini-batch stochastic variance-reduced algorithm to solve finite-sum scale invariant problems which cover several examples in machine learning and statistics such as principal component analysis (PCA) and estimation of mixture proportions. The algorithm is a stochastic generalization...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE International Conference on Big Data s. 969 - 977
Hlavní autoři:	Kim, Cheolmin, Kim, Youngseok, Jambunath, Yegna Subramanian, Klabjan, Diego
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 15.12.2024
Témata:	Big Data Convergence Estimation Machine learning Machine learning algorithms Principal component analysis Synthetic data
ISSN:	2573-2978
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!