Krylov-Levenberg-Marquardt Algorithm for Structured Tucker Tensor Decompositions

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00541614" target="_blank" >RIV/67985556:_____/21:00541614 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9354901" target="_blank" >https://ieeexplore.ieee.org/document/9354901</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/JSTSP.2021.3059521" target="_blank" >10.1109/JSTSP.2021.3059521</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Krylov-Levenberg-Marquardt Algorithm for Structured Tucker Tensor Decompositions

Popis výsledku v původním jazyce

Structured Tucker tensor decomposition models complete or incomplete multiway data sets (tensors), where the core tensor and the factor matrices can obey different constraints. The model includes block-term decomposition or canonical polyadic decomposition as special cases. We propose a very flexible optimization method for the structured Tucker decomposition problem, based on the second-order Levenberg-Marquardt optimization, using an approximation of the Hessian matrix by the Krylov subspace method. An algorithm with limited sensitivity of the decomposition is included. The proposed algorithm is shown to perform well in comparison to existing tensor decomposition methods.n

Název v anglickém jazyce

Krylov-Levenberg-Marquardt Algorithm for Structured Tucker Tensor Decompositions

Popis výsledku anglicky

Structured Tucker tensor decomposition models complete or incomplete multiway data sets (tensors), where the core tensor and the factor matrices can obey different constraints. The model includes block-term decomposition or canonical polyadic decomposition as special cases. We propose a very flexible optimization method for the structured Tucker decomposition problem, based on the second-order Levenberg-Marquardt optimization, using an approximation of the Hessian matrix by the Krylov subspace method. An algorithm with limited sensitivity of the decomposition is included. The proposed algorithm is shown to perform well in comparison to existing tensor decomposition methods.n

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název periodika

IEEE Journal on Selected Topics in Signal Processing

ISSN

1932-4553

e-ISSN

1941-0484

Svazek periodika

15

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

10

Strana od-do

550-559

Kód UT WoS článku

000637533400010

EID výsledku v databázi Scopus

2-s2.0-85100948273