RUS  ENG
Полная версия
ЖУРНАЛЫ // Журнал вычислительной математики и математической физики // Архив

Ж. вычисл. матем. и матем. физ., 2021, том 61, номер 5, страницы 845–864 (Mi zvmmf11242)

Общие численные методы

Моделирование структуры данных с помощью блочного тензорного разложения: разложение объединенных тензоров и вариационное блочное тензорное разложение как параметризованная модель смесей

И. В. Оселедецab, П. В. Харюкabc

a 121205 Москва, Большой бульвар, 30, стр. 1, Сколковский институт науки и технологий, Россия
b 119333 Москва, ул. Губкина, 8, Институт вычислительной математики им. Г.И. Марчука РАН, Россия
c 119991 Москва, Ленинские горы, 1, стр. 52, МГУ им. М.В. Ломоносова, Факультет вычислительной математики и кибернетики, Россия

Аннотация: Развивается идея использования тензорных разложений в качестве параметрической модели группового анализа данных. Представлены две модели на основе блочного тензорного разложения: детерминистическая и вероятностная, с использованием различных форматов слагаемых. Установлена связь между блочным тензорным разложением и смесями непрерывных латентных вероятностных моделей: на основе блочного тензорного разложения построена модель смеси распределений со структурированным представлением. Модели были протестированы в задаче кластеризации набора цветных изображений и данных электрической активности мозга. Результаты показывают, что предложенные подходы способны к выделению релевантной индивидуальной составляющей данных.
Библ. 54. Фиг. 4. Табл. 5.

Ключевые слова: групповой анализ данных, блочное тензорное разложение, машинное обучение, анализ компонент, модель смеси распределений.

УДК: 519.6

Поступила в редакцию: 24.12.2020
Исправленный вариант: 24.12.2020
Принята в печать: 14.01.2021

DOI: 10.31857/S004446692105015X


 Англоязычная версия: Computational Mathematics and Mathematical Physics, 2021, 61:5, 816–835

Реферативные базы данных:


© МИАН, 2024