Non-negative tensor factorization using alpha and beta divergences

Andrzej Cichocki, Rafal Zdunek, Seungjin Choi, Robert Plemmons, Shun Ichi Amari

Результат исследований: Глава в книге, отчете, сборнике статейМатериалы для конференциирецензирование

77 Цитирования (Scopus)

Аннотация

In this paper we propose new algorithms for 3D tensor decomposition/ factorization with many potential applications, especially in multi-way Blind Source Separation (BSS), multidimensional data analysis, and sparse signal/image representations. We derive and compare three classes of algorithms: Multiplicative, Fixed-Point Alternating Least Squares (FPALS) and Alternating Interior-Point Gradient (AIPG) algorithms. Some of the proposed algorithms are characterized by improved robustness, efficiency and convergence rates and can be applied for various distributions of data and additive noise.

Язык оригиналаАнглийский
Название основной публикации2007 IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP '07
СтраницыIII1393-III1396
DOI
СостояниеОпубликовано - 2007
Опубликовано для внешнего пользованияДа
Событие2007 IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP '07 - Honolulu, HI, Соединенные Штаты Америки
Продолжительность: 15 апр. 200720 апр. 2007

Серия публикаций

НазваниеICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings
Том3
ISSN (печатное издание)1520-6149

Конференция

Конференция2007 IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP '07
Страна/TерриторияСоединенные Штаты Америки
ГородHonolulu, HI
Период15/04/0720/04/07

Fingerprint

Подробные сведения о темах исследования «Non-negative tensor factorization using alpha and beta divergences». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать