实体
CP decomposition
CP decomposition
PulseAugur coverage of CP decomposition — every cluster mentioning CP decomposition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的优化方法CBPL解决了复杂的非凸和非光滑问题
研究人员开发了一种名为受控块线性化(CBPL)的新优化方法,用于解决复杂的非凸和非光滑问题。该方法引入了控制势,以确保变量和目标值的有界性和收敛性。CBPL已应用于各种矩阵分解技术,包括非负矩阵分解(NMF)和CP分解,证明了其在实现收敛和受控缩放方面的有效性。
-
New sparse tensor decomposition methods enhance anomaly detection in manufacturing data
研究人员开发了两种新颖的无监督稀疏张量分解方法:逐项稀疏CP分解(ES-CP)和逐纤维稀疏分组套索CP分解(FG-Lasso),用于多元函数数据的异常检测。这些方法特别适用于监控复杂制造系统,因为这些系统中的多个传感器会生成相关数据。FG-Lasso结合了逐项和逐纤维惩罚,在模拟研究和锻造过程案例研究中表现优于TRPCA和基于PCA的检测器等传统方法。
-
新异方差张量分解方法用于脑电图数据
研究人员引入了异方差正则多面体张量分解(HCP),这是对标准CP分解的改进。HCP除了低秩均值张量外,还使用非恒定、低秩的精度张量来模拟逐项变异性。已开发出一种交替块坐标上升方法,可以从噪声数据中有效地恢复这两个张量,其计算复杂度与CP-ALS相当。HCP的有效性已通过合成实验和涉及脑电图(EEG)数据的应用得到证明。