Key points are not available for this paper at this time.
하나의 저순위 행렬에 의한 행렬의 효율적이고 정확하며 신뢰할 수 있는 근사는 수치 선형 대수학 및 신호 처리 응용에서 기본적인 작업입니다. 본 논문에서는 입력 행렬에 저순위 근사를 제공하기 위해 무작위 샘플링 기술을 활용하는 서브스페이스-오르빗 무작위 특이값 분해(SOR-SVD)라는 새로운 행렬 분해 접근법을 소개합니다. 크기 m × n의 크고 밀집된 데이터 행렬이 주어지면, 이 알고리즘은 O(mnk) 부동소수점 연산으로 랭크-k 근사를 계산하기 위해 데이터에 몇 번의 패스를 요구합니다. 또한, SOR-SVD 알고리즘은 고급 컴퓨터 아키텍처를 활용할 수 있으며, 그 결과 최대 효율성을 위해 최적화될 수 있습니다. SOR-SVD 알고리즘은 간단하고 정확하며 수학적으로 올바르며, 정확성과 효율성 측면에서 이전에 보고된 기술보다 우수합니다. 우리의 수치 실험은 이러한 주장을 지지합니다.
Kaloorazi et al. (Mon,)은 이 질문을 연구했습니다.