.png){kind=icon}
返回
Coupled tensor models for probability mass function estimation: Part I, Principles and algorithms
.png){kind=icon}
OA
AI
DOI：10.1016/j.sigpro.2025.110452.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种概率质量函数（PMF）估计方法，称为3D边缘部分耦合张量分解或PCTF3D。为了缓解PMF估计固有的维度灾难问题，PCTF3D的原理是将3维数据投影——视为3阶张量——进行耦合，以获得PMF的低秩张量近似。PCTF3D的贡献在于部分耦合，即选择一个有限的3D边缘子集。虽然使用所有边缘进行PMF估计是可能的，但像PCTF3D这样仅耦合边缘子集，可以在不显著损失估计性能的情况下降低计算负担。PCTF3D的一个关键概念是选择要耦合的边缘：该问题通过超图进行公式化与探讨。本Part I论文介绍了PCTF3D的算法框架：优化问题、耦合策略、数值实验以及PCTF3D的真实数据应用。另一方面，Part II论文研究了PCTF3D引入的模型的耦合张量唯一性性质。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
分享收藏Optimal estimation of the canonical polyadic decomposition from low-rank tensor trains☆从低秩张量trains ☆ 对规范polyadic分解的最佳估计.png)
SIGNAL PROCESSING
OAAI
SIGNAL PROCESSINGIF3.6
OAAI分享收藏
查看更多内容