学习二元潜变量模型：一种张量特征对方法
摘要：使用具有隐藏二进制单元的潜在变量模型在各种应用中出现。在存在噪声的情况下学习这些模型是一个具有挑战性的计算问题。在本文中，我们提出了一种基于观测数据的二阶矩阵和三阶矩张量的特征向量的新光谱方法来解决这个问题。我们证明，在温和的非退化条件下，我们的方法以最优参数速率一致地估计模型参数。我们的基于张量的方法推广了先前的正交张量分解方法，其中假设隐藏单元要么是统计独立的，要么是互斥的。我们在模拟数据上证明了我们方法的一致性，并展示了它在遗传学中学习群体混合的共同模型中的实用性。
作者：Ariel Jaffe, Roi Weiss, Shai Carmi, Yuval Kluger and Boaz Nadler
论文ID：1802.09656
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-28