BriefGPT - AI 论文速递
·
TERM 模型：张量环混合模型密度估计
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种可扩展且具有鲁棒性的张量分解算法，能够处理大规模张量数据的缺失值和异常值。该算法通过自适应填充缺失值和识别异常值的新方法，结合张量环模型和快速 Gram 矩阵计算方法，降低了存储和计算复杂度。实验结果表明，该方法优于现有的张量分解方法，并且比强健张量完成算法运行速度更快。
🎯
关键要点
- 提出了一种可扩展且具有鲁棒性的张量分解算法。
- 该算法能够处理大规模张量数据的缺失值和异常值。
- 采用自适应填充缺失值和识别异常值的新方法。
- 结合张量环模型和快速 Gram 矩阵计算方法，降低存储和计算复杂度。
- 实验结果表明，该方法优于现有的张量分解方法。
- 该算法比强健张量完成算法运行速度更快。
➡️
