基于單向流模型的自適應(yīng)張量鏈式學習算法

摘要： 針對單向流模型中高階張量在線分解問題，研究了一種自適應(yīng)張量鏈式（TT）學習算法。首先，推導(dǎo)出單向流增量僅改變時序TT核的維度；然后，引入遺忘因子和正則項構(gòu)造指數(shù)權(quán)重最小二乘目標函數(shù)；最后，利用塊坐標下降學習策略分別估計時序和非時序TT核。對所提算法在增量大小、TT秩、噪聲和時變強度等方面分別進行了驗證，結(jié)果表明，所提算法的平均相對誤差和運算時間均小于對比算法，并在視頻自適應(yīng)分析... （共10頁）