基于单向流模型的自适应张量链式学习算法OACSTPCD
Adaptive tensor train learning algorithm based on single-aspect streaming model
针对单向流模型中高阶张量在线分解问题,研究了一种自适应张量链式(TT)学习算法.首先,推导出单向流增量仅改变时序TT核的维度;然后,引入遗忘因子和正则项构造指数权重最小二乘目标函数;最后,利用块坐标下降学习策略分别估计时序和非时序TT核.对所提算法在增量大小、TT秩、噪声和时变强度等方面分别进行了验证,结果表明,所提算法的平均相对误差和运算时间均小于对比算法,并在视频自适应分析中表现出优于对比算法的张量切片重构能力.
马宝泽;李国军;邢隆;叶昌荣
重庆邮电大学光电工程学院,重庆 400065||重庆邮电大学超视距可信信息传输研究所,重庆 400065重庆邮电大学光电工程学院,重庆 400065||重庆邮电大学超视距可信信息传输研究所,重庆 400065重庆邮电大学光电工程学院,重庆 400065||重庆邮电大学超视距可信信息传输研究所,重庆 400065重庆邮电大学光电工程学院,重庆 400065||重庆邮电大学超视距可信信息传输研究所,重庆 400065
电子信息工程
自适应学习算法张量链式分解单向流模型泛在数据流
adaptive learning algorithmtensor train decompositionsingle-aspect streaming modelubiquitous data stream
《通信学报》 2023 (8)
27-36,10
国家重点研发计划基金资助项目(No.2019YFC1511300)国家自然科学基金资助项目(No.62201113,No.U22A2006)重庆市重点研发计划基金资助项目(No.cstc2021ycjh-bgzxm0072)重庆市教委科学技术研究基金资助项目(No.KJQN202300625)The National Key Research and Development Program of China(No.2019YFC1511300),The National Natural Science Foundation of China(No.62201113,No.U22A2006),Chongqing Key Research and Development Project(No.cstc2021ycjh-bgzxm0072),The Science and Technology Research Program of Chongqing Municipal Education Commission(No.KJQN202300625)
评论