Kazu Ghalamkari

新的E2M算法增强了基于张量的密度估计

研究人员开发了一种名为E$^2$M的新期望最大化（EM）算法，用于基于张量的离散密度估计。该算法通过首先使用Kullback-Leibler（KL）散度最小化一个代理目标来解决传统$\alpha$-散度方法的挑战，这允许标准的EM更新。然后，它在M步中采用张量多体近似来实现同步的闭式参数更新。E$^2$M算法支持对各种低秩结构（包括CP、Tucker和张量训练格式）的灵活建模，并已在合成和真实数据集上展示了与基于梯度的方法相当的收敛性…