Об одноранговой аппроксимации положительных матриц с помощью методов тропической оптимизации

Авторы

  • Николай Кимович Кривулин
  • Елизавета Юрьевна Романова

Аннотация

В статье развивается подход на основе применения методов тропической оптимизации к задаче одноранговой аппроксимации положительных матриц в метрике Чебышёва в логарифмической шкале. Теория и методы тропической оптимизации составляют один из разделов тропической математики, которая изучает полукольца и полуполя с идемпотентным сложением и их приложения. Для многих практически важных задач методы тропической оптимизации позволяют найти полное решение задачи в явном виде в замкнутой форме. В этой работе рассматриваемая задача аппроксимации приводится к многомерной задаче тропической оптимизации, которая в общем случае имеет известное решение. Предлагается новое решение задачи для случая матриц без нулевых столбцов или строк, которое представляется в более простой форме. На основе этого результата строится новое полное решение задачи одноранговой аппроксимации положительных матриц. Для иллюстрации полученных результатов приводится пример решения в явном виде задачи аппроксимации произвольной положительной матрицы второго порядка.

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

1. Yao Q., Kwok J. Greedy learning of generalized low-rank models // Proc. 25th Intern. JointConf. on Artificial Intelligence (IJCAI’16). AAAI Press, 2016. P. 2294–2300.

2. Elden L. Numerical linear algebra in data mining // Acta Numer. 2006. Vol. 15. P. 327–384.https://doi.org/10.1017/S0962492906240017

3. Ruhe A. Numerical computation ofprincipal components when several observations are missing.Research report. Umea Univ., 1974.

4. Friedland S., Mehrmann V., Miedlar A., Nkengla M. Fast low rank approximations of matricesand tensors // Electron. J. Linear Algebra. 2011. Vol. 22. P. 1031–1048. https://doi.org/10.13001/1081-3810.1489

5. Koyuturk M., Grama A., Ramakrishnan N. Compression, clustering, and pattern discovery invery high-dimensional discrete-attribute data sets // IEEE Trans. Knowledge Data Eng. 2005. Vol. 17,N 4. P. 447–461. https://doi.org/10.1109/TKDE.2005.55Вестник СПбГУ. Математика. Механика. Астрономия. 2019. Т.6(64). Вып.2 2176. Kumar N. K., Schneider J. Literature survey on low rank approximation of matrices // LinearMultilinear Algebra. 2017. Vol. 65, N 11. P. 2212–2244 https://doi.org/10.1080/03081087.2016.1267104

6. Kumar N. K., Schneider J. Literature survey on low rank approximation of matrices // Linear Multilinear Algebra. 2017. Vol. 65, N 11. P. 2212–2244 https://doi.org/10.1080/03081087.2016.1267104

7. Gillis N. Introduction to nonnegative matrix factorization//SIAG/OPTViewsandNews.2017.Vol. 25, N 1. P. 7–16.

8. Aissa-El-Bey A., Seghouane K. Sparse canonical correlation analysis based on rank-1 matrix approximation and its application for FMR Isignals//2016IEEEIntern.Conf.onAcoustics,SpeechandSignal Processing (ICASSP). IEEE, 2016. P. 4678–4682. https://doi.org/10.1109/ICASSP.2016.7472564

9. Саати Т. Принятие решений. Метод анализа иерархий / пер. с англ. Р.Г.Вачнадзе. М.:Радио и связь, 1993. 315 c.

10. Luss R., Teboulle M. Conditional gradient algorithms for rank-one matrix approximations with a sparsity constraint // SIAM Review. 2013. Vol. 55, N 1. P. 65–98. https://doi.org/10.1137/110839072

11. Shi Z., Wang L., Shi L. Approximation method to rank-one binary matrix factorization// IEEE Intern. Conf. on Automation Science and Engineering (CASE). IEEE, 2014. P. 800–805.https://doi.org/10.1109/CoASE.2014.6899417

12. Gillis N., Shitov Y. Low-rank matrix approximation in the infinity norm//Computing Research Repository. 2017. arXiv:1706.00078.

13. Кривулин Н.К. Методы и демпотентной алгебры в задачах моделирования и анализа сложных систем. СПб: Изд-во С.-Петерб. ун-та, 2009.

14. Krivulin N. Rating alternatives from pairwise comparisons by solving tropical optimizationproblems // 12th Intern. Conference on Fuzzy Systems and Knowledge Discovery (FSKD). IEEE, 2015.P. 162–167. https://doi.org/10.1109/FSKD.2015.7381933

15. Krivulin N. Using tropical optimization techniques to evaluateal ternatives viapairwise comparisons // 2016 Proc. 7th SIAM Workshop on Combinatorial Scientific Computing. Philadelphia: SIAM,2016. P. 62–72. https://doi.org/10.1137/1.9781611974690.ch7

16. Krivulin N.K., Romanova E.Yu. Rank-one approximation ofpositivematrices based onmeth-ods of tropical mathematics // Vestnik St. Petersburg Univ. Math. 2018. Vol. 51, N 2. P. 133–143.https://doi.org/10.3103/S106345411802005X

17. Маслов В.П., Колокольцов В.Н. Идемпотентный анализ и его применение в оптимальном управлении. М.: Физматлит, 1994. 144 с.

18. Butkoviˇc P. Max-linear systems. In Ser.: Springer Monographs in Mathematics. London:Springer, 2010. https://doi.org/10.1007/978-1-84996-299-5

19. McEneaney W.M. Max-Plus Methods for Nonlinear Control and Estimation. In Ser.: Systemsand Control: Foundations and Applications. Boston: Birkh¨auser, 2006. https://doi.org/10.1007/0-8176-4453-9

20. Krivulin N. Tropical optimization problems // In: Advances in Economics and Optimization(Economic Issues, Problems and Perspectives). New York: Nova Sci. Publ., 2014. P. 195–214.

21. Krivulin N. Extremal properties of tropical eigenvalues and solutions to tropical optimizationproblems // Linear Algebra Appl. 2015. Vol. 468. P. 211–232. https://doi.org/10.1016/j.laa.2014.06.044

22. Krivulin N. Tropical optimization problems in time-constrained project scheduling // Optimization. 2017. Vol. 66, N 2. P. 205–224. https://doi.org/10.1080/02331934.2016.1264946

23. Krivulin N.K. An extremal property of the eigenvalue of irreducible matrices in idempotentalgebra andsolutionofthe Rawlslocation problem//VestnikSt. Petersburg Univ.Math. 2011. Vol.44,N 4. P. 272–281. https://doi.org/10.3103/S1063454111040078

Загрузки

Опубликован

17.08.2020

Как цитировать

Кривулин, Н. К., & Романова, Е. Ю. (2020). Об одноранговой аппроксимации положительных матриц с помощью методов тропической оптимизации. Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия, 6(2), 208–220. извлечено от https://math-mech-astr-journal.spbu.ru/article/view/8412

Выпуск

Раздел

Математика

Наиболее читаемые статьи этого автора (авторов)