尼辛·戈文达拉扬;Epperly,Ethan N。;列文·德拉豪沃 \(L_r、L_r,1)-分解、稀疏成分分析和指数和的盲分离。 (英语) Zbl 1493.15077号 SIAM J.矩阵分析。申请。 43,第2期,912-938(2022). 摘要:通过与稀疏分量分析的联系,我们得到了三阶张量的(L_r,L_r(1))型块项分解的新的唯一性结果。结果表明,我们的唯一性结果在盲源分离问题中有一个自然的应用,因为它们确保了即使在具有不可比较秩分布的(L_r,L_r、1)分解之间也是唯一的,在源信号中存在公共极点的情况下,允许由指数和组成的信号具有更强的分离效果。作为副产品,这一思路还提出了一种计算(L_r,L_r、1)分解的新方法,该方法通过依次计算输入张量的正则多元分解,然后对第三因子矩阵执行稀疏因子分解。 MSC公司: 15A69号 多线性代数,张量演算 15A23型 矩阵的因子分解 65英尺99英寸 数值线性代数 关键词:张量分解;盲源分离;稀疏成分分析 PDF格式BibTeX公司 XML格式引用 \textit{N.Govindarajan}等人,SIAM J.矩阵分析。申请。43,编号2,912--938(2022;Zbl 1493.15077) 全文: 内政部 参考文献: [1] A.Agarwal、A.Anandkumar、P.Jain和P.Netrapalli,通过交替最小化学习稀疏使用的过完备词典,SIAM J.Optim。,26(2016),第2775-2799页·Zbl 1358.90104号 [2] A.Agarwal、A.Anandkumar和P.Netrapalli,《学习稀疏使用的超完备词典的聚类方法》,收录于《IEEE信息理论汇刊》,2016年,第575-592页,https://ieeexplore.iee.org/abstract/document/77580653。 ·Zbl 1359.62229号 [3] M.Aharon,M.Elad和A.Bruckstein,K-SVD:一种为稀疏表示设计过完备字典的算法,IEEE Trans。信号处理。,54(2006),第4311-4322页·Zbl 1375.94040号 [4] M.Aharon、M.Elad和A.M.Bruckstein,《关于超完备词典的唯一性及其检索的实用方法》,《线性代数应用》。,416(2006),第48-67页·Zbl 1096.68042号 [5] S.Arora、A.Bhaskara、R.Ge和T.Ma,《可证明字典学习的更多算法》,预印本,arXiv:1401.05792014年。 [6] S.Arora、R.Ge和A.Moitra,《学习非连贯和超完备词典的新算法》,《学习理论会议论文集》,PMLR,2014年,第779-806页。 [7] B.W.Bader、T.G.Kolda等人,《MATLAB张量工具箱》,3.2.1版,https://www.tensortoolbox.org/, 2021. ·Zbl 1230.65054号 [8] B.Barak、J.A.Kelner和D.Steurer,《通过平方和方法进行字典学习和张量分解》,第47届美国计算机学会计算理论研讨会论文集,2015年,第143-151页·Zbl 1321.68396号 [9] A.Belouchrani、K.Abed-Meraim、J.-F.Cardoso和E.Moulines,使用二阶统计的盲源分离技术,IEEE Trans。信号处理。,45(1997),第434-444页。 [10] P.Bofill和M.Zibulevsky,使用稀疏表示的欠定盲源分离,信号处理。,81(2001),第2353-2362页·Zbl 0985.94006号 [11] R.Bro、R.A.Harshman、N.D.Sidiropoulos和M.E.Lundy,《用线性相关载荷建模多路数据》,J.Chemmometr。,23(2009年),第324-340页。 [12] E.J.Candes、J.K.Romberg和T.Tao,从不完整和不准确的测量中恢复稳定信号,Comm.Pure Appl。数学。,59(2006),第1207-1223页·邮编1098.94009 [13] J.-F.Cardoso,Infomax和盲源分离的最大似然,IEEE信号处理。莱特。,4(1997年),第112-114页。 [14] J.D.Carroll和J.-J.Chang,通过“Eckart-Young”分解的n向泛化分析多维尺度中的个体差异,《心理测量学》,35(1970),第283-319页·Zbl 0202.19101号 [15] N.S.Chatterji和P.L.Bartlett,《使用随机初始化实现字典学习的交替最小化》,《第31届神经信息处理系统国际会议论文集》,2017年,第1994-2003页。 [16] L.Chiantini和G.Ottaviani,关于小秩(3)-张量的一般可识别性,SIAM J.矩阵分析。申请。,33(2012),第1018-1037页·Zbl 1263.14053号 [17] J.E.Cohen和N.Gillis,《完整词典学习的可识别性》,SIAM J.Math。数据科学。,1(2019年),第518-536页·Zbl 1513.68045号 [18] P.Comon和C.Jutten,《盲源分离手册:独立成分分析和应用》,学术出版社,纽约,2010年。 [19] A.de Almeida、X.Luciani、A.Stegeman和P.Comon,基于生成函数导数的欠定混合物盲识别的CONFAC分解方法,IEEE Trans。信号处理。,60(2012年),第5698-5713页·兹比尔1393.94529 [20] A.L.de Almeida、G.Favier和J.C.M.Mota,基于PARAFAC的无线通信系统统一张量建模及其在盲多用户均衡中的应用,信号处理。,87(2007),第337-351页·Zbl 1186.94412号 [21] L.De Lathauwer,块项中高阶张量的分解——第一部分:分块矩阵的引理,SIAM J.矩阵分析。申请。,30(2008),第1022-1032页·Zbl 1177.15031号 [22] L.De Lathauwer,块项中高阶张量的分解——第二部分:定义和唯一性,SIAM J.矩阵分析。申请。,30(2008),第1033-1066页·Zbl 1177.15032号 [23] L.De Lathauwer,指数多项式的盲分离和秩项张量的分解,SIAM J.矩阵分析。申请。,32(2011),第1451-1474页·Zbl 1239.15016号 [24] L.De Lathauwer和A.De Baynast,通过秩-((1,{L},{L{)项分解实现DS-CDMA信号的盲反褶积,IEEE Trans。信号处理。,56(2008),第1562-1571页·Zbl 1390.94147号 [25] O.Debals、M.Van Barel和L.De Lathauwer,有理函数的基于Loówner的盲信号分离及其应用,IEEE Trans。信号处理。,64(2016),第1909-1918页·Zbl 1414.94156号 [26] I.Domanov和L.De Lathauwer,关于三阶张量正则多元分解的唯一性——第一部分:单因子矩阵的基本结果和唯一性,SIAM J.矩阵分析。申请。,34(2013),第855-875页·Zbl 1282.15019号 [27] I.Domanov和L.De Lathauwer,《关于三阶张量的正则多元分解的唯一性——第二部分:整体分解的惟一性》,SIAM J.Matrix Ana。申请。,34(2013),第876-903页·Zbl 1282.15020号 [28] I.Domanov和L.De Lathauwer,三阶张量的正则多元分解:广义特征值分解的简化,SIAM J.矩阵分析。申请。,35(2014),第636-660页·Zbl 1306.15022号 [29] I.Domanov和L.De Lathauwer,结构矩阵分解的一般唯一性及其在盲源分离中的应用,IEEE Trans。信号处理。,10(2016年),第701-711页。 [30] I.Domanov和L.De Lathauwer,三阶张量的正则多元分解:松弛唯一性条件和代数算法,线性代数应用。,513(2017),第342-375页·Zbl 1349.15065号 [31] I.Domanov和L.De Lathauwer,关于张量分解为多线性秩的唯一性和计算——(1,{五十} _r(r),{五十} _r(r))\)术语,SIAM J.矩阵分析。申请。,41(2020年),第747-803页·兹比尔1442.15042 [32] D.L.Donoho和M.Elad,通过\(\ell^1\)最小化的一般(非正交)字典中的最优稀疏表示,Proc。国家。阿卡德。科学。美国,100(2003),第2197-2202页·Zbl 1064.94011号 [33] E.Evert和L.De Lathauwer,正则多元分解的递归特征空间计算,技术报告20-80,ESAT-STADIUS,KU Leuven,2020年。 [34] P.Georgiev、F.Theis和A.Cichocki,欠定混合物的稀疏成分分析和盲源分离,IEEE Trans。神经网络。,16(2005年),第992-996页。 [35] R.Gribonval和S.Lesage,《盲源分离稀疏成分分析综述:原理、观点和新挑战》,https://hal.inia.fr/inia-00544897, 2006. [36] X.Guo、S.Miron、D.Brie和A.Stegeman,线性相关载荷三向阵列Candecomp/PARAFAC的单模和部分唯一性条件,SIAM J.Matrix Anal。申请。,33(2012年),第111-129页·Zbl 1246.15026号 [37] R.A.Harshman,《PARAFAC程序的基础:“解释性”多模态因子分析的模型和条件》,加州大学洛杉矶分校语音学工作论文,1970年,第1-84页。 [38] J.H\aastad,张量秩为NP-完全,J.算法。,11(1990年),第644-654页·Zbl 0716.65043号 [39] Kruskal,《三路数组:三线性分解的秩和唯一性及其在算术复杂性和统计学中的应用》,《线性代数应用》。,18(1977年),第95-138页·Zbl 0364.15021号 [40] J.M.Landsberg,《张量:几何与应用》,Grad。学生数学。128,美国数学学会,普罗维登斯,RI,2012年·Zbl 1238.15013号 [41] S.E.Leurgans、R.T.Ross和R.B.Abel,三向阵列的分解,SIAM J.矩阵分析。申请。,14(1993),第1064-1083页·Zbl 0788.65145号 [42] M.S.Lewicki和T.J.Sejnowski,学习过完备表示,神经计算。,12(2000),第337-365页。 [43] Y.Li,S.-I.Amari,A.Cichocki,D.W.Ho,and S.Xie,基于稀疏表示的欠定盲源分离,IEEE Trans。信号处理。,54(2006),第423-437页·Zbl 1373.94647号 [44] S.Miron和D.Brie,稀疏Paralind模型可识别性的一些秩条件,《潜在变量分析和信号分离国际会议论文集》,Springer,纽约,2015年,第41-48页。 [45] E.Sanchez和B.R.Kowalski,张量分解:直接三线性分解,化学计量学杂志。,4(1990年),第29-45页。 [46] N.D.Sidiropoulos、L.De Lathauwer、X.Fu、K.Huang、E.E.Papalexakis和C.Falowsos,信号处理和机器学习的张量分解,IEEE Trans。信号处理。,65(2017),第3551-3582页·兹比尔1415.94232 [47] L.Sorber、M.Van Barel和L.De Lathauwer,基于优化的张量分解算法:正则多元分解、秩-((L_r,L_r,1))项中的分解,以及一个新的推广,SIAM J.Optim。,23(2013),第695-720页·Zbl 1277.90073号 [48] D.A.Spielman、H.Wang和J.Wright,《精确恢复稀疏使用的词典》,《学习理论会议论文集》,2012年,第1-37页。 [49] A.Stegeman和A.L.De Almeida,线性相关载荷约束三向因子分解的唯一性条件,SIAM J.矩阵分析。申请。,31(2010),第1469-1490页·Zbl 1197.15016号 [50] A.Stegeman和T.T.Lam,线性相关载荷下正则张量分解的改进唯一性条件,SIAM J.矩阵分析。申请。,33(2012年),第1250-1271页·Zbl 1263.15028号 [51] J.A.Tropp,《贪婪是好的:稀疏近似的算法结果》,IEEE Trans。通知。《理论》,50(2004),第2231-2242页·Zbl 1288.94019号 [52] A.-J.Van Der Veen和A.Paulraj,分析常数模算法,IEEE Trans。信号处理。,44(1996),第1136-1155页。 [53] N.Vervliet、O.Debals、L.Sorber、M.Van Barel和L.De Lathauwer,Tensorlab 3.0。,https://www.tensorlab.net网站, 2016. [54] J.-X.Yang,X.-F.Gong,H.Li,Y.-G.Xu,Z.-W.Liu,使用多基地多脉冲MIMO雷达中的耦合多线性秩-((L,L,1)块项分解来定位目标,《神经网络国际研讨会论文集》,纽约斯普林格,2019年,第565-574页。 [55] M.Yang、W.Li和M.Xiao,关于秩1的高阶块项张量分解的可识别性,线性多线性代数,68(2020),第223-245页·Zbl 1429.15023号 [56] M.Zibulevsky和B.A.Pearlmutter,通过信号字典中的稀疏分解进行盲源分离,神经计算。,13(2001),第863-882页·Zbl 0985.94004号 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。