Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/9DFBC286-9CF2-4781-8681-A678A6998E37 | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.91443 | - |
| Language | en | - |
| Extent | 71 pages | en |
| Extent | 6.7 megabytes | en |
| Title | Efficient optimization algorithms for large tensor processing and applications | en |
| Title | Αποδοτικοί αλγόριθμοι βελτιστοποίησης για επεξεργασία μεγάλων τανυστών και εφαρμογές | el |
| Creator | Papagiannakos Ioannis-Marios | en |
| Creator | Παπαγιαννακος Ιωαννης-Μαριος | el |
| Contributor [Thesis Supervisor] | Liavas Athanasios | en |
| Contributor [Thesis Supervisor] | Λιαβας Αθανασιος | el |
| Contributor [Committee Member] | Karystinos Georgios | en |
| Contributor [Committee Member] | Καρυστινος Γεωργιος | el |
| Contributor [Committee Member] | Samoladas Vasilis | en |
| Contributor [Committee Member] | Σαμολαδας Βασιλης | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Academic Unit | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Content Summary | We consider the problem of nonnegative tensor completion. We adopt the alternating optimization framework and solve each nonnegative matrix least-squares with missing elements problem via a stochastic variation of the accelerated gradient algorithm, where we propose and experimentally test the efficiency of various step-sizes. We develop a parallel shared-memory implementation of our algorithm using the multi-threaded API OpenMP, which attains significant speedup. We test the effectiveness and the performance of our algorithm using both real-world and synthetic data. We focus on real-world applications that can be interpreted as nonnegative tensor completion problems. We believe that our approach is a very competitive candidate for the solution of very large nonnegative tensor completion problems. | en |
| Content Summary | Μελετάμε το πρόβλημα του nonnegative tensor completion. Υιοθετούμε τη μέθοδο alternating optimization και λύνουμε κάθε nonnegative matrix least-squares with missing elements πρόβλημα μέσω στοχαστικής παραλλαγής του accelerated gradient αλγορίθμου, προτείνοντας διάφορα βήματα τα οποία και δοκιμάζουμε πειραματικά. Αναπτύσσουμε μια παράλληλη shared-memory υλοποίηση του αλγορίθμου μας, κάνοντας χρήση του OpenMP API για πολυνηματικό παραλληλισμό, η οποία επιτυγχάνει αρκετά σημαντικό speedup. Ελέγχουμε τον αλγόριθμο μας ως προς την αποτελεσματικότητα και την απόδοση του, χρησιμοποιώντας συνθετικά και πραγματικά δεδομένα. Επικεντρωνόμαστε σε εφαρμογές που μπορούν να αναπαρασταθούν ως προβλήματα nonnegative tensor completion. Θεωρούμε ότι η μέθοδος μας αποτελεί μια αρκετά ανταγωνιστική εναλλακτική για τη λύση μεγάλων nonnegative tensor completion προβλημάτων. | el |
| Type of Item | Μεταπτυχιακή Διατριβή | el |
| Type of Item | Master Thesis | en |
| License | http://creativecommons.org/licenses/by/4.0/ | en |
| Date of Item | 2022-02-09 | - |
| Date of Publication | 2022 | - |
| Subject | Stochastic NTC | en |
| Subject | CPD | en |
| Subject | PARAFAC | en |
| Subject | OpenMP | en |
| Subject | Word embedding | en |
| Subject | Accelerated stochastic gradient for NMLSME | en |
| Subject | Nonnegative Tensor Completion | en |
| Subject | Stochastic gradient descent | en |
| Subject | Nonnegative Matrix Least Squares with Missing Elements | en |
| Bibliographic Citation | Ioannis-Marios Papagiannakos, "Efficient optimization algorithms for large tensor processing and applications", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2022 | en |
| Bibliographic Citation | Ιωάννης-Μάριος Παπαγιαννάκος, "Αποδοτικοί αλγόριθμοι βελτιστοποίησης για επεξεργασία μεγάλων τανυστών και εφαρμογές", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 | el |
Copyright © DIAS 2013
