- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Paper notes（5）: All-at-once Optimization for Coupled Matrix and Tensor Factorizations
Paper notes（5）: All-at-once Optimization for Coupled Matrix and Tensor Factorizations1.文章所做的工作2.相关模型2.1 CMTF基本模型2.2 CMTF-OPT模型2.3 缺失数据的CMTF-OPT模型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.文章所做的工作 数据融合的问题可以表示为一个耦合矩阵和张量因子分解问题(CMTF)(CMTF)(CMTF)，解决 CMTFCMTFCMTF
2020-05-18 18:25:39
389
原创 Paper notes（4）：Tensor Ring Decompoition
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
2020-05-13 21:53:20
1509
原创 Paper notes（3）:Tensor-Train Decomposition
Paper notes（3）:Tensor-Train Decomposition1.文章的主要内容2.TTD模型3.TTD的算法1.文章的主要内容给出了一种简单的非递归的张量分解形式，避免了“维度诅咒”的影响，该分解形式得到的参数数量与正则分解（canonical decomposition）的参数数量相同，但更稳定，因为该种分解是基于辅助展开矩阵的低秩近似。2.TTD模型给定一个ddd维张量BBB,如果想用张量AAA近似张量BBB，则AAA的每一个元素可以表示为：A(i1,i2,...,id)
2020-05-12 10:20:47
1318
原创 Paper notes(2):三部图张量分解标签推荐算法
@[TOC](Paper notes(2):三部图张量分解标签推荐算法)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. 解决的问题和解决的方法三部图转换成二部图时会丢失部分元素间的相关信息，而且不能有效处理标签系统中具有大量稀疏值和缺失值的数据。关于丢失信息的问题，以常用的{item，user，tag}\{item，user，tag\}{item，user，tag}标签系统为例，数据以三元组{i,j,k}{\{i, j, k\}}{i,j,k}的形式出现，表示用户kkk在
2020-05-11 08:58:34
754
原创 Paper notes（1）：社会标签推荐张量分解方法研究
Paper notes（1）：社会标签推荐张量分解方法研究1. 论文的创新点功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入1. 论文的创新点我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdo
2020-05-10 11:10:04
362
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人