×
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。