محققان در تازهترین دستاورد خود، روشی کارآمد و سریع برای «تجزیه ماتریسهای نامنفی متقارن» (SymNMF) معرفی کردهاند که میتواند ساختارهای پنهان را در دادههای فوقبزرگ (تا ۱ میلیون آیتم) شناسایی کند.
این نوآوری به کمک پردازشهای GPU و بهینهسازی الگوریتمهایی مثل AdaGrad و Block-SVRG، به ما اجازه میدهد در دنیای مالی و مدیریت ریسک، تحلیلهای بسیار دقیقتری انجام دهیم و محدودیتهای حافظه در محاسبات ماتریسی را به راحتی پشت سر بگذاریم.
این دستاورد یک گام بزرگ برای مدلهای یادگیری ماشین در تحلیل دادههای سنگین و پیچیده است! 🧠💻
منبع: arXiv Machine Learning