低秩张量的近似秩检测分解
机器学习
2012-12-03 v1 机器学习
数值分析
摘要
我们提出了一种算法 AROFAC2，用于检测三阶张量的 (CP-) 秩并计算其分解为秩一分量。我们提供了该算法生效的生成条件，并在合成数据和真实世界数据上进行了演示，表明 AROFAC2 是黄金标准 PARAFAC 的一种潜在更优替代方案；相较于 PARAFAC，AROFAC2 具有能够内在地检测真实秩、避免虚假分量以及对异常值和非高斯噪声具有稳定性的优势。
引用
@article{arxiv.1211.7369,
title = {Approximate Rank-Detecting Factorization of Low-Rank Tensors},
author = {Franz J. Király and Andreas Ziehe},
journal= {arXiv preprint arXiv:1211.7369},
year = {2012}
}