Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Deflation Method for CANDECOMP/PARAFAC Tensor Decomposition

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00427990" target="_blank" >RIV/67985556:_____/14:00427990 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/ICASSP.2014.6854904" target="_blank" >http://dx.doi.org/10.1109/ICASSP.2014.6854904</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICASSP.2014.6854904" target="_blank" >10.1109/ICASSP.2014.6854904</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Deflation Method for CANDECOMP/PARAFAC Tensor Decomposition

  • Popis výsledku v původním jazyce

    CANDECOMP/PARAFAC tensor decomposition (CPD) approximates multiway data by rank-1 tensors. Unlike matrix decomposition, the procedure which estimates the best rank-R tensor approximation through R sequential best rank-1 approximations does not work for tensors, because the deflation does not always reduce the tensor rank. In this paper we propose a novel deflation method for the problem in which rank R does not exceed the tensor dimensions. A rank-R CPD can be performed through (R1) rank-1 reductions. At each deflation stage, the residue tensor is constrained to have a reduced multilinear rank.

  • Název v anglickém jazyce

    Deflation Method for CANDECOMP/PARAFAC Tensor Decomposition

  • Popis výsledku anglicky

    CANDECOMP/PARAFAC tensor decomposition (CPD) approximates multiway data by rank-1 tensors. Unlike matrix decomposition, the procedure which estimates the best rank-R tensor approximation through R sequential best rank-1 approximations does not work for tensors, because the deflation does not always reduce the tensor rank. In this paper we propose a novel deflation method for the problem in which rank R does not exceed the tensor dimensions. A rank-R CPD can be performed through (R1) rank-1 reductions. At each deflation stage, the residue tensor is constrained to have a reduced multilinear rank.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA14-13713S" target="_blank" >GA14-13713S: Metody dekompozice tenzorů a jejich aplikace</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2014 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP)

  • ISBN

    978-1-4799-2892-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    6736-6740

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway

  • Místo konání akce

    Florence

  • Datum konání akce

    4. 5. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000343655306155