PulseAugur
中
实时 08:15:18
English(EN) Generalized Least Squares Kernelized Tensor Factorization

新的GLSKF框架增强了用于数据补全的张量分解

作者 PulseAugur 编辑部 · [1 个来源] ·

一种名为广义最小二乘核化张量分解（GLSKF）的新框架已被开发出来，以改进不完整多维张量结构数据的恢复。该方法结合了低秩全局分量和局部相关残差分量，能够同时对广泛的依赖关系和特定的局部变化进行建模。GLSKF在交通速度插补、图像补全、视频恢复和MRI数据重建等任务中展示了卓越的重建性能和可扩展性。 AI

影响 引入了一种新颖的数据补全方法，可能提高涉及多维数据的各种实际应用中的性能。

排序理由 这是一篇详细介绍数据补全新框架和算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GLSKF框架增强了用于数据补全的张量分解

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mengying Lei, Lijun Sun ·

    广义最小二乘核化张量分解

    arXiv:2412.07041v4 Announce Type: replace-cross Abstract: Recovering incomplete multidimensional tensor-structured data is a fundamental task in many real-world applications. Smoothness-constrained low-rank tensor factorization effectively captures global and long-range correlati…

相关话题