...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Non-negative sub-tensor ensemble factorization (NsTEF) algorithm. A new incremental tensor factorization for large data sets.
【24h】

Non-negative sub-tensor ensemble factorization (NsTEF) algorithm. A new incremental tensor factorization for large data sets.

机译：非负次张量整体分解（NsTEF）算法。针对大型数据集的新的增量张量分解。

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Highlights•The design of a fast iterative algorithm for blind decomposition of tensors into subtensors,•with a inspiration of learning method particularly adapted for large data set and high dimensions.•The decomposing of the tensor in a set of subtensors in the same way as factorial analysis. These subtensors constituting a kind of latent variable representation of the sources of the measured phenomenon (images or signals) which can be used further for pattern recognition, data compression, etc.AbstractIn this work we present a novel algorithm for nonnegative tensor factorization (NTF). Standard NTF algorithms are very restricted in the size of tensors that can be decomposed. Our algorithm overcomes this size restriction by interpreting the tensor as a set of sub-tensors and by proceeding the decomposition of sub-tensor by sub-tensor. This approach requires only one sub-tensor at once to be available in memory.
机译： 突出显示 • 用于将张量盲分解为张量的快速迭代算法的设计， • ，它的学习方法特别适合于大数据集和高维度。 • 在分解一组张量中的张量的分解方法与因子分析相同。这些次张量构成了被测现象（图像或信号）的潜在变量表示形式，可以进一步用于模式识别，数据压缩等。 < / ce：list> 摘要 在这项工作中，我们提出了一种新颖的算法用于非负张量因子分解（NTF）。标准NTF算法在可分解张量的大小上非常受限制。我们的算法通过将张量解释为一组子张量并通过子张量进行子张量分解来克服了这种大小限制。这种方法一次只需要一个子张量就可以在内存中使用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号