Canonical polyadic tensor decomposition with low-rank factor matrices
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00542514" target="_blank" >RIV/67985556:_____/21:00542514 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICASSP39728.2021.9414606" target="_blank" >http://dx.doi.org/10.1109/ICASSP39728.2021.9414606</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICASSP39728.2021.9414606" target="_blank" >10.1109/ICASSP39728.2021.9414606</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Canonical polyadic tensor decomposition with low-rank factor matrices
Popis výsledku v původním jazyce
This paper proposes a constrained canonical polyadic (CP) tensor decomposition method with low-rank factor matrices. In this way, we allow the CP decomposition with high rank while keeping the number of the model parameters small. First, we propose an algorithm to decompose the tensors into factor matrices of given ranks. Second, we propose an algorithm which can determine the ranks of the factor matrices automatically, such that the fitting error is bounded by a user- selected constant. The algorithms are verified on the decomposition of a tensor of the MNIST hand-written image dataset.
Název v anglickém jazyce
Canonical polyadic tensor decomposition with low-rank factor matrices
Popis výsledku anglicky
This paper proposes a constrained canonical polyadic (CP) tensor decomposition method with low-rank factor matrices. In this way, we allow the CP decomposition with high rank while keeping the number of the model parameters small. First, we propose an algorithm to decompose the tensors into factor matrices of given ranks. Second, we propose an algorithm which can determine the ranks of the factor matrices automatically, such that the fitting error is bounded by a user- selected constant. The algorithms are verified on the decomposition of a tensor of the MNIST hand-written image dataset.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
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
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ISBN
978-1-7281-7605-5
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
4690-4694
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Toronto
Datum konání akce
6. 6. 2021
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—