文献

J-GLOBAL ID：201802234210009314   整理番号：18A0160353

低ランクテンソル完備化のためのテンソル因数分解【Powered by NICT】

Tensor Factorization for Low-Rank Tensor Completion

著者 (4件)： Zhou Pan (Key Laboratory of Machine Perception, School of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Lu Canyi (Department of Electrical and Computer Engineering, National University of Singapore, Singapore) ,  Lin Zhouchen (Key Laboratory of Machine Perception, School of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Zhang Chao (Key Laboratory of Machine Perception, School of Electronics Engineering and Computer Science, Peking University, Beijing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 27  号： 3  ページ： 1152-1163  発行年： 2018年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,テンソル核ノルム(TNN)に基づく方法はテンソル完備化問題,画像およびビデオ修復タスク上で最先端レベルの性能を実現したを解決するために提案した。しかし,計算テンソル特異値分解(t SVD),多くの計算コストを必要とし,従ってテンソルデータを扱うことができ,その自然大規模のために,効果的にできない。TNNに触発されて,3方向テンソル完備化問題を効率的に解くために新しい低ランクテンソル因子分解法を提案した。著者らの方法は,より小さいサイズの二テンソルの積にそれを因数分解することによってテンソルの低ランク構造を保存する。最適化プロセスにおいて,提案手法では,二つの小さなテンソル,t SVD計算よりも効率的に行うことができるを更新する必要があるだけであった。さらに,著者らは,提案した交互最小化アルゴリズムをKarush-Kuhn-Tucker点に収束することを証明した。合成データ回復,画像およびビデオ修復タスク上での実験結果により,TNNとmatricization法を含む最先端を越える著者らの開発した方法の優れた性能と効率を明確に示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  録画装置 ,  最適化 ,  アルゴリズム ,  ノルム ,  *テンソル ,  *因数分解 ,  特異値分解
準シソーラス用語： 因子分解 ,  計算コスト ,  最先端 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： テンソル ,  因数分解