Tensor Chain Decomposition and Function Interpolation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F23%3A00574036" target="_blank" >RIV/67985556:_____/23:00574036 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Tensor Chain Decomposition and Function Interpolation

Popis výsledku v původním jazyce

Tensor Chain (TC) decomposition represents a given tensor as a chain (circle) of order-3 tensors (wagons) connected through tensor contractions. In this paper, we show the link between the TC decomposition and a structured Tucker decompositions, and propose a variant of the Krylov-Levenberg-Marquardt optimization, tailored for this problem. Many extensions can be considered, here we only mention decomposition of tensor with missing entries, which enables the tensor completion. Performance of the proposed algorithm is demonstrated on tensor decomposition of the sampled Rosenbrock function. It can be better modeled both as TC and canonical polyadic (CP) decomposition, but with TC, the reconstruction is possible with a lower number of function values.

Název v anglickém jazyce

Tensor Chain Decomposition and Function Interpolation

Popis výsledku anglicky

Tensor Chain (TC) decomposition represents a given tensor as a chain (circle) of order-3 tensors (wagons) connected through tensor contractions. In this paper, we show the link between the TC decomposition and a structured Tucker decompositions, and propose a variant of the Krylov-Levenberg-Marquardt optimization, tailored for this problem. Many extensions can be considered, here we only mention decomposition of tensor with missing entries, which enables the tensor completion. Performance of the proposed algorithm is demonstrated on tensor decomposition of the sampled Rosenbrock function. It can be better modeled both as TC and canonical polyadic (CP) decomposition, but with TC, the reconstruction is possible with a lower number of function values.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/GA22-11101S" target="_blank" >GA22-11101S: Tenzorový rozklad v aktivní diagnostice poruch pro stochastické rozlehlé systémy</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 22nd IEEE Statistical Signal Processing Workshop

ISBN

978-1-6654-5244-1

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

557-561

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Hanoi

Datum konání akce

2. 7. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—