ترجمه فارسی مقاله بازبینی کمینه سازی هنجار ردیابی برای تکمیل تانسور تاکر: یک رویکرد یادگیری رتبه چند خطی مستقیم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Revisiting Trace Norm Minimization for Tensor Tucker Completion: A Direct Multilinear Rank Learning Approach
عنوان مقاله به فارسی بازبینی کمینه سازی هنجار ردیابی برای تکمیل تانسور تاکر: یک رویکرد یادگیری رتبه چند خطی مستقیم
نویسندگان Xueke Tong, Hancheng Zhu, Lei Cheng, Yik-Chung Wu
فرمت مقاله انگلیسی PDF
تعداد صفحات 32
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,پردازش سیگنال , یادگیری ماشین ,
توضیحات Submitted 10 September, 2024; v1 submitted 8 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 10 سپتامبر 2024 ؛V1 ارسال شده در 8 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

To efficiently express tensor data using the Tucker format, a critical task is to minimize the multilinear rank such that the model would not be over-flexible and lead to overfitting. Due to the lack of rank minimization tools in tensor, existing works connect Tucker multilinear rank minimization to trace norm minimization of matrices unfolded from the tensor data. While these formulations try to exploit the common aim of identifying the low-dimensional structure of the tensor and matrix, this paper reveals that existing trace norm-based formulations in Tucker completion are inefficient in multilinear rank minimization. We further propose a new interpretation of Tucker format such that trace norm minimization is applied to the factor matrices of the equivalent representation, rather than some matrices unfolded from tensor data. Based on the newly established problem formulation, a fixed point iteration algorithm is proposed, and its convergence is proved. Numerical results are presented to show that the proposed algorithm exhibits significant improved performance in terms of multilinear rank learning and consequently tensor signal recovery accuracy, compared to existing trace norm based Tucker completion methods.

چکیده به فارسی (ترجمه ماشینی)

برای بیان کارآمد داده های تانسور با استفاده از فرمت Tucker ، یک کار مهم این است که رتبه چند خطی را به حداقل برساند به گونه ای که این مدل بیش از حد انعطاف پذیر نباشد و منجر به بیش از حد شود.با توجه به عدم وجود ابزارهای به حداقل رساندن رتبه در تانسور ، آثار موجود به حداقل رساندن رتبه چند خطی Tucker برای ردیابی هنجار به حداقل رساندن ماتریس های باز شده از داده های تانسور متصل می شوند.در حالی که این فرمولاسیون ها سعی می کنند از هدف مشترک شناسایی ساختار کم بعدی تانسور و ماتریس سوءاستفاده کنند ، این مقاله نشان می دهد که فرمولاسیون موجود مبتنی بر هنجار موجود در تکمیل تاکر در به حداقل رساندن رتبه چند لایه ناکارآمد است.ما بیشتر تفسیر جدیدی از قالب Tucker را پیشنهاد می کنیم به گونه ای که به حداقل رساندن هنجار کمیاب به ماتریس فاکتور نمایندگی معادل اعمال می شود ، نه اینکه برخی از ماتریس ها از داده های تنسور آشکار شوند.بر اساس فرمول مسئله تازه تاسیس ، یک الگوریتم تکرار نقطه ثابت پیشنهاد شده است و همگرایی آن اثبات شده است.نتایج عددی ارائه شده است تا نشان دهد که الگوریتم پیشنهادی از نظر یادگیری رتبه چند خطی و در نتیجه دقت بازیابی سیگنال تانسور ، در مقایسه با روشهای تکمیل Tucker Tucker مبتنی بر هنجار موجود ، عملکرد قابل توجهی را نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.