莫滕·莫鲁普;Hansen、Lars Kai;Sidse M.阿恩弗雷德。 稀疏非负Tucker分解算法。 (英语) Zbl 1178.68447号 神经计算。 20,第8期,2112-2131(2008). 摘要:人们对大规模多路数据的分析越来越感兴趣。多路数据的概念是指具有两个以上维度的数据阵列,即采用张量的形式。为了分析这些数据,分解技术被广泛使用。张量最常见的两种分解是塔克模型和更受限制的PARAFAC模型。这两种模型都可以被视为常规因子分析对两种以上模式数据的推广。非负矩阵分解(NMF)与稀疏编码结合,由于其基于部分且易于解释的表示,近年来受到了广泛关注。虽然NMF已扩展到PARAFAC模型,但尚未尝试将NMF扩展到Tucker模型。然而,如果所分析的张量数据是非负的,则考虑纯加性(即非负)塔克分解可能是相关的。为了减少这种分解的模糊性,我们开发了可以在任何形式组合中施加稀疏性的更新,因此,提出了稀疏非负Tucker分解(SN-Tucker)的算法。我们证明了当数据和交互可以被视为非负时,所提出的算法如何优于现有的塔克分解算法。我们进一步说明稀疏编码如何帮助识别哪个模型(PARAFAC或Tucker)更适合数据,以及如何通过关闭多余的组件来选择组件的数量。SN-TUCKER的算法可以从以下网站下载[Mørup先生,SN-TUCKER算法,在线获取http://www2.imm.dtu.dk/pubdb/views/edoc_download.php/4718/zip/imm4718.zip(2007)]. 引用于11文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:大规模多路数据;塔克模型;PARAFAC模型 软件:N向工具箱 PDF格式BibTeX公司 XML格式引用 \textit{M.莫鲁普}等人,《神经计算》。20,第8号,2112--2131(2008;Zbl 1178.68447) 全文: DOI程序 参考文献: [1] DOI:10.1016/S0169-7439(98)00010-0·doi:10.1016/S0169-7439(98)00010-0 [2] DOI:10.1016/S0169-7439(00)00071-X·doi:10.1016/S0169-7439(00)00071-X [3] DOI:10.1002/(SICI)1099-128X(199709/10)11:5<393::AID-CEM483>3.0.CO;2升·doi:10.1002/(SICI)1099-128X(199709/10)11:5<393::AID-CEM483>3.0.CO;2升 [4] 内政部:10.1007/BF02310791·Zbl 0202.19101号 ·doi:10.1007/BF02310791 [5] 内政部:10.1002/cpa.20132·Zbl 1113.15004号 ·doi:10.1002/cpa.20132年 [6] Eggert J.,《神经网络》4,第2529页–(2004年) [7] 内政部:10.1080/00401706.1979.10489751·doi:10.1080/00401706.1979.10489751 [8] DOI:10.1002/1099-128X(200102)15:2<101::AID-CEM602>3.0.CO;2伏·doi:10.1002/1099-128X(200102)15:2<101::AID-CEM602>3.0.CO;2伏 [9] 内政部:10.1137/1034115·Zbl 0770.65026号 ·数字对象标识代码:10.1137/1034115 [10] Harshman R.A.,《加州大学洛杉矶分校语音学工作论文》,第16页,第1页–(1970年) [11] 内政部:10.1007/11744023_5·doi:10.1007/11744023_5 [12] Hoyer P.,《机器学习研究杂志》,第5页,第1457页–(2004年) [13] 内政部:10.1016/0024-3795(77)90069-6·Zbl 0364.15021号 ·doi:10.1016/0024-3795(77)90069-6 [14] 内政部:10.1137/S0895479896305696·Zbl 0962.15005号 ·doi:10.1137/S0895479896305696 [15] 内政部:10.1038/44565·兹比尔1369.68285 ·doi:10.1038/44565 [16] 内政部:10.1162/neco.2007.19.10.2756·Zbl 1173.90583号 ·doi:10.1162/neco.2007.19.10.2756 [17] DOI:10.1207/S15327906MBR3802_5·doi:10.1207/S15327906MBR3802_5 [18] 内政部:10.1016/0169-7439(93)E0070-K·doi:10.1016/0169-7439(93)E0070-K [19] 内政部:10.1016/j.conb.2004.07.007·doi:10.1016/j.conb.2004.07.007 [20] 内政部:10.1002/env.3170050203·doi:10.1002/env.3170050203 [21] DOI:10.1002/1099-128X(200005/06)14:3<229::AID-CEM587>3.0.CO;2-牛顿·doi:10.1002/1099-128X(200005/06)14:3<229::AID-CEM587>3.0.CO;2-牛顿 [22] 内政部:10.1016/S0003-2670(99)00374-8·doi:10.1016/S0003-2670(99)00374-8 [23] 内政部:10.1007/BF02289464·doi:10.1007/BF02289464 [24] DOI:10.1016/S0167-8655(01)00070-8·Zbl 0990.68123号 ·doi:10.1016/S0167-8655(01)00070-8 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。