论文笔记（2）：Coupled Tensor Completion via Low-rank Tensor Ring

最新推荐文章于 2023-10-07 16:28:19 发布
最新推荐文章于 2023-10-07 16:28:19 发布
阅读量1.2k 收藏 9
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mojingmiao/article/details/105656047
版权
本文首次利用张量环分解解决耦合张量的补全问题，提出非凸模型优化潜在因子，并详细阐述了两种张量环分解方式及耦合张量环补全算法。
摘要由CSDN通过智能技术生成

Table of Contents

一、本文亮点 

二、问题阐述

三、本文用到的符号定义

四、张量环分解的预备知识

五、本文提出的耦合张量环补全算法

一、本文亮点 

  1. 首次利用张量环分解实现耦合张量的填充问题

  2. 基于耦合张量环Frobenius norm,提出了一个新的非凸模型

  3. 非凸模型给出了预先定义的张量秩，优化了潜在因子

     

二、问题阐述

                           

                                                  图一、通过模式1说明三个耦合张量之间的信息共享

该耦合张量利用基于图的张量环来表示则为：

                                                        

最低0.47元/天 解锁文章
mojingmiao
关注
Low-Rank Tensor Constrained Multiview Subspace Clustering
weixin_42705436的博客
05-27 863
Abstract 本文提出一种低秩张量限制的多视图子空间聚类方法（LR-MSC）。这个方法是属于多视图子空间类别。该方法是将从不同视图中学习到的子空间表示矩阵看成一个张量，张量可以捕获多视图数据之间的高阶相关性。再对这个张量施加低秩约束，这个约束可以优雅的建模不同视图之间的交叉信息，从而有效的减少子空间表示的冗余，提高聚类的精确度。通过增广的拉格朗日交替方向乘子法(AL-ADM) 有效的解决优化问题，在各种实验数据集上证明了该方法的有效性。 ...
Efficient Low Rank Tensor Ring Completion笔记
qq_39913121的博客
03-16 1567
Abstract 使用最近提出的张量环 (TR) 分解的矩阵乘积状态 (MPS) 表示，在本文中，我们提出了一种 TR 补全算法，它是一种交替最小化算法，可在 MPS 表示中的因子上交替进行。 这种发展的部分原因是矩阵补全算法的成功，该算法在（低秩）因子上交替。 我们提出了一种新颖的初始化方法，并分析了 TR 补全算法的计算复杂度。 TR补全算法与采用低秩张量训练（TT）近似进行数据补全的现有算法之间的数值比较表明，我们的方法在各种实际计算机视觉设置中优于现有算法，从而证明了与张量训练相比， 张量环改进了的
论文笔记（1）：Efficient Convex Completion of Coupled Tensors using Coupled Nuclear Norms
mojingmiao的博客
04-21 255
本文提出一种新的限制耦合张量低秩的范数——耦合核范数 该范数是基于（Yang et al., 2015）提出的张量核范数改造而来的， 当K = 2 和每个都是正交的，张量核范数就等价于矩阵核范数。 下面给出耦合核范数的记号为如下所示： 这里，, ...
论文：Low-Rank Tensor Constrained Multiview Subspace Clustering 辅助阅读+总结
最新发布
KennyWu529的博客
10-07 1031
机器学习和计算机视觉中的许多问题都涉及多视图数据，其中每个数据点由来自多个特征源的不同信息表示。例如，在计算机视觉问题中，图像和视频通常由不同类型的特征来描述，例如颜色、纹理和边缘。网页还能够基于文本、超链接和可能存在的视觉信息以多视图方式表示。一般来说，多视图表示可以无缝地捕获来自多个数据线索的丰富信息以及不同线索之间的互补信息，从而有利于各种任务，例如聚类、分类、去噪。在本文中，我们重点关注通过利用多视图表示来推进聚类。为了将不同的特征集成到统一的框架中，大多数现有的多视图聚类方法都采用基于图的模型。
论文笔记：Low-Rank Tensor Constrained Multiview Subspace Clustering
GYY8023的博客
02-04 2270
1级标题 2级标题 3级标题 四级标题 五级标题 六级标题 文本样式 强调文本 强调文本 加粗文本 加粗文本 标记文本 删除文本 引用文本 H2O is是液体。 210 运算结果是 1024。 列表 项目 项目 项目 项目1 项目2 项目3 计划任务 完成任务 链接 链接: link. 图片: 带尺寸的图片: 居中的图片: 居中并且带尺寸的图片: 代码片 下...
论文笔记：All-at-once Optimization for Coupled Matrix and Tensor Factorizations
mojingmiao的博客
05-11 672
一、本文创新点 1、大家都清楚，如果有多组数据进行分析，缺失的数据的自由度自然就低了，也更方便进行预测或天从，因此引起了大家对耦合张量，耦合矩阵研究的热潮。本文只要针对张量与矩阵耦合的问题（简称CMTF),提出了一种基于梯度优化的算法（称为CMTF-OPT） 2、CMTF-OPT的提出是针对已存在的ALS算法。 二、建模 问题的基本模型为： 下面先写出利用ALS算法解决的算法框架 ...
论文笔记-Augmented Lagrange Multiplier Method for Recovery of Low-Rank Matrices
JiangV的博客
07-04 8322
Augmented Lagrange Multiplier 求解低秩矩阵恢复（Robust PCA）问题，比 APG 快5倍以上，在矩阵填充问题中，比SVT,APG快很多。
论文笔记 ：Tensor Factorization for Low-Rank Tensor Completion
mojingmiao的博客
04-26 2583
一、本文创新点 二、符号和定义 三、以前的模型 四、本文的模型 一、本文创新点 1、针对张量补全问题，提出了一种有效的低秩张量分解方法；我们的方法通过把一个张量分解成两个更小张量的乘积来刻画它的低管秩结构，并且在每次迭代中只需要更新两个更小的张量 2、我们提出了一种自适应方法来估计每次迭代的张量低管秩。 3、我们证明了所提出的交替极小化算法可以收敛到一个Karush...
论文笔记：Higher-dimension Tensor Completion via Low-rank Tensor Ring Decomposition
mojingmiao的博客
04-26 1054
一、本文工作 1、基于最近提出的TR分解，我们提出了一种新的张量补全算法——张量环加权优化 2、利用梯度下降法对TR潜在因子进行了优化，并利用它们来预测不完全张量的缺失项。 二、基本知识 1、张量环分解模型 2、张量矩阵化（沿n模展开） （1）第一种方式： （2）第二种方式： 三、本文模型 ...
AAAI 2022 论文列表
热门推荐
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
《Low-rank Random Tensor for Bilinear Pooling》--翻译
weixin_45032769的博客
11-18 436
paper： https://arxiv.org/pdf/1906.01004.pdf Abstract 双线性池能够从数据中提取高阶信息，适合于细粒度的可视化理解和信息融合。具有大量参数的双线性模型虽然在各种应用中都很有效，但容易出现维数诅咒和计算困难的问题。**本文提出了一种新的基于低秩随机张量的双线性模型。其关键思想是将低秩张量分解和随机投影有效地结合起来，在保持模型代表性的同时减少参数的个...
论文阅读笔记：Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)
qq_34844049的博客
02-22 1536
@[TOC](Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)) ★论文笔记-Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRRG) 文章链接：https://www.researchgate.net/publication/349011448_Low-Rank_Tensor_Graph_Learning_for_Multi-v
Hyperspectral Dimensionality Reduction by Tensor Sparse and Low-Rank Graph-Based Discriminant Analysis
02-07
Hyperspectral Dimensionality Reduction by Tensor Sparse and Low-Rank Graph-Based Discriminant Analysis
论文笔记：Hyperspectral Super-Resolution via Coupled Tensor Ring Factorization
mojingmiao的博客
05-06 1050
我觉得人的一生都不可能是一直快乐的，整天嘻嘻哈哈的人内心可能有一个不想让外人知道的忧愁，机会是留给准备的人的，但机会来了，一旦犹豫，就会败北，并且会留下永远的遗憾。如果这个时候该怎么办，那肯定是看论文了。 一、本文创新点 1、首次利用张量环模型去实现高光谱低分辨率图像和多光谱高分辨图像的融合，其实验效果比圣都学习模型，耦合矩阵分解模型、耦合CP张量模型、耦合Tucker张量模型都要好 2、根...
耦合相似度计算度量算法（COS算法,即Coupled Object Similarity算法）的实现
自信，就总会有好事儿！
03-11 5529
Coupled Object Similarity，即COS耦合相似度算法计算，用以解决名词性问题的相似度计算算法
论文笔记-Structured Coupled Generative Adversarial Networks for Unsupervised Monocular Depth Estimation
kingsleyluoxin的博客
08-06 375
论文信息 标题： Structured Coupled Generative Adversarial Networks for Unsupervised Monocular Depth Estimation 作者：Mihai Marian Puscas, Dan Xu, Andrea Pilzer, Niculae Sebe 机构：Huawei Technologies Ireland, University of Trento, University of Oxford 代码链接 https..
论文笔记：Tensor Ring Decomposition with Rank Minimization on Latent Space
mojingmiao的博客
04-27 2790
一、本文创新点 二、符号和定义 1、TR-decomposition 2、常见的张量分解算法（Completion by TR decomposition） 3、基于秩最小的张量填充算法（rank minimization-based tensor completion） 三、新模型横空出世 四、优化算法ADMM 一、本文创新点 之前的张量补全算法大致分为两类：一是基于低秩结...
Paper notes（4）：Tensor Ring Decompoition
coldsun233的博客
05-13 1373
Paper notes（4）：Tensor Ring Decompoition1.文章提出的问题2.文章的主要创新点3.Tensor Ring Model4.TRD算法 本文只是个人用于记录论文学习笔记，如有写错的地方还望各位大佬批评指正 1.文章提出的问题 Tensor−Train DecompositionTensor-Train\ DecompositionTensor−Train Decomposition 高度依赖于张量维度的排列，由于其在latent coresla
通过张量环分解进行张量补全：该项目旨在通过张量环分解实现张量完成算法
02-09
通过张量环分解来完成张量 该项目旨在通过张量环分解实现张量完成算法。 如果您使用了此代码，请引用： @article {huang2020provable，title = {可证明的张量环完成度}，作者= {Huang，Huyan和Liu，Yipeng and Liu，Jiani and Zhu，Ce}，journal = {Signal Processing}，卷= {171}，页数{ 107486}，年份= {2020}，发布商= {Elsevier}}
对Tensor Ring Decomposition with Rank Minimization onLatent Space一文求解算法部分的python实现
qq_45968933的博客
07-08 594
对Tensor Ring Decomposition with Rank Minimization onLatent Space一文求解算法部分的python实现
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值