Počet záznamů: 1

Stability Analysis and Fast Damped-Gauss-Newton Algorithm for INDSCALTensor Decomposition

SYSNO ASEP	0363806
Druh ASEP	C - Konferenční příspěvek (mezinárodní konf.)
Zařazení RIV	D - Článek ve sborníku
Název	Stability Analysis and Fast Damped-Gauss-Newton Algorithm for INDSCALTensor Decomposition
Tvůrce(i)	Koldovský, Zbyněk (UTIA-B)_RID Tichavský, Petr (UTIA-B)_{RID, ORCID} Phan, A. H. (JP)
Celkový počet autorů	3
Zdroj.dok.	2011 IEEE Statistical Signal Processing Workshop (SSP) Proceedings. - Nice : IEEE Signal Processing Society, 2011 - ISBN 978-1-4577-0569-4
Rozsah stran	s. 581-584
Poč.str.	4 s.
Forma vydání	CD ROM - CD ROM
Akce	2011 IEEE Statistical Signal Processing Workshop (SSP)
Datum konání	28.06.2011-30.06.2011
Místo konání	Nice
Země	FR - Francie
Typ akce	WRD
Jazyk dok.	eng - angličtina
Země vyd.	FR - Francie
Klíč. slova	INDSCAL ; PARAFAC ; tensor decomposition
Vědní obor RIV	BB - Aplikovaná statistika, operační výzkum
CEP	1M0572 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy
	GA102/09/1278 GA ČR - Grantová agentura ČR
CEZ	AV0Z10750506 - UTIA-B (2005-2011)
Anotace	INDSCAL is a special case of the CANDECOMP-PARAFAC (CP) decomposition of three or more-way tensors, where two factor matrices are equal. This paper provides a stability analysis of INDSCAL that is done by deriving the Cram'er-Rao lower bound (CRLB) on variance of an unbiased estimate of the tensor parameters from its noisy observation (the tensor plus a Gaussian random tensor). The existence of the bound reveals necessary conditions for the essential uniqueness of the INDSCAL decomposition. This is compared with previous results on CP. Next, analytical expressions for the inverse of the Hessian matrix, which is needed to compute the CRLB, are used in a damped Gaussian (Levenberg-Marquardt) algorithm, which gives a novel method for INDSCAL having a lower computational complexity.
Pracoviště	Ústav teorie informace a automatizace
Kontakt	Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201.
Rok sběru	2012

Počet záznamů: 1