論文筆記：Efficient Nonconvex Regularized Tensor Completion with Structure-aware Proximal Iterations
一、本文創新點 1、作者注意到重疊核範數對於張量補全的效果比較好，提出了一種用於張量補全的重疊核範數正則化的非凸變體。 2、該正則化自然引起損失函數的非凸，故提出了一個更有效的優化的算法 3、提出的優化算法有三點優勢：一：避免了代價昂貴的張量展開和合並；二：在迭代中保持「稀疏加低秩」結構；三：融入適應的動力。 二、相關工作 1、低秩矩陣學習
相關文章
- 1. 論文筆記 ：Tensor Factorization for Low-Rank Tensor Completion
- 2. 論文筆記：Higher-dimension Tensor Completion via Low-rank Tensor Ring Decomposition
- 3. 論文筆記：Coupled Tensor Completion via Low-rank Tensor Ring
- 4. 論文筆記Globally and Locally Consistent Image Completion
- 5. 論文筆記：Tensor Ring Decomposition with Rank Minimization on Latent Space
- 6. 【閱讀筆記】Reasoning With Neural Tensor Networks for Knowledge Base Completion
- 7. 論文筆記：Graph Convolutional Matrix Completion
- 8. Unsupervised Deep Image Fusion With Structure Tensor Representations論文筆記
- 9. 論文筆記：Efficient Graph-Based Image Segmentation
- 10. SteReFo: Efficient Image Refocusing with Stereo Vision 論文筆記
- 更多相關文章...
- • ASP.NET Razor - 標記 - ASP.NET 教程
- • CAP理論是什麼？ - NoSQL教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文筆記 ：Tensor Factorization for Low-Rank Tensor Completion
- 2. 論文筆記：Higher-dimension Tensor Completion via Low-rank Tensor Ring Decomposition
- 3. 論文筆記：Coupled Tensor Completion via Low-rank Tensor Ring
- 4. 論文筆記Globally and Locally Consistent Image Completion
- 5. 論文筆記：Tensor Ring Decomposition with Rank Minimization on Latent Space
- 6. 【閱讀筆記】Reasoning With Neural Tensor Networks for Knowledge Base Completion
- 7. 論文筆記：Graph Convolutional Matrix Completion
- 8. Unsupervised Deep Image Fusion With Structure Tensor Representations論文筆記
- 9. 論文筆記：Efficient Graph-Based Image Segmentation
- 10. SteReFo: Efficient Image Refocusing with Stereo Vision 論文筆記