Contribution aux décompositions rapides des matrices et tenseurs
De nos jours, les grandes masses de données se retrouvent dans de nombreux domaines relatifs aux applications multimédia, sociologiques, biomédicales, radio astronomiques, etc. On parle alors du phénomène ‘Big Data’ qui nécessite le développement d’outils appropriés pour la manipulation et l’analyse...
Main Author: | Nguyen, Viet-Dung |
---|---|
Other Authors: | Orléans |
Language: | en |
Published: |
2016
|
Subjects: | |
Online Access: | http://www.theses.fr/2016ORLE2085/document |
Similar Items
-
Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources
by: André, Rémi
Published: (2018) -
Non-parallel dictionary learning for voice conversion using non-negative Tucker decomposition
by: Yuki Takashima, et al.
Published: (2019-09-01) -
A Novel Approach to Extracting Non-Negative Latent Factors From Non-Negative Big Sparse Matrices
by: Xin Luo, et al.
Published: (2016-01-01) -
rTensor: An R Package for Multidimensional Array (Tensor) Unfolding, Multiplication, and Decomposition
by: James Li, et al.
Published: (2018-11-01) -
Maximum Discriminant Difference Criterion for Dimensionality Reduction of Tensor Data
by: Xinya Peng, et al.
Published: (2020-01-01)