Log in

Relevant bibliographies by topics / Low-Rank Tensor / Dissertations / Theses

To see the other types of publications on this topic, follow the link: Low-Rank Tensor.

Dissertations / Theses on the topic 'Low-Rank Tensor'

Author: Grafiati

Published: 27 January 2024

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the top 27 dissertations / theses for your research on the topic 'Low-Rank Tensor.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.

1

Stojanac, Željka [Verfasser]. "Low-rank Tensor Recovery / Željka Stojanac." Bonn : Universitäts- und Landesbibliothek Bonn, 2016. http://d-nb.info/1119888565/34.

Full text

APA, Harvard, Vancouver, ISO, and other styles

2

Shi, Qiquan. "Low rank tensor decomposition for feature extraction and tensor recovery." HKBU Institutional Repository, 2018. https://repository.hkbu.edu.hk/etd_oa/549.

Full text

Abstract:

Feature extraction and tensor recovery problems are important yet challenging, particularly for multi-dimensional data with missing values and/or noise. Low-rank tensor decomposition approaches are widely used for solving these problems. This thesis focuses on three common tensor decompositions (CP, Tucker and t-SVD) and develops a set of decomposition-based approaches. The proposed methods aim to extract low-dimensional features from complete/incomplete data and recover tensors given partial and/or grossly corrupted observations.;Based on CP decomposition, semi-orthogonal multilinear principa

APA, Harvard, Vancouver, ISO, and other styles

3

Han, Xu. "Robust low-rank tensor approximations using group sparsity." Thesis, Rennes 1, 2019. http://www.theses.fr/2019REN1S001/document.

Full text

Abstract:

Le développement de méthodes de décomposition de tableaux multi-dimensionnels suscite toujours autant d'attention, notamment d'un point de vue applicatif. La plupart des algorithmes, de décompositions tensorielles, existants requièrent une estimation du rang du tenseur et sont sensibles à une surestimation de ce dernier. Toutefois, une telle estimation peut être difficile par exemple pour des rapports signal à bruit faibles. D'un autre côté, estimer simultanément le rang et les matrices de facteurs du tenseur ou du tenseur cœur n'est pas tâche facile tant les problèmes de minimisation de rang

APA, Harvard, Vancouver, ISO, and other styles

4

Benedikt, Udo. "Low-Rank Tensor Approximation in post Hartree-Fock Methods." Doctoral thesis, Universitätsbibliothek Chemnitz, 2014. http://nbn-resolving.de/urn:nbn:de:bsz:ch1-qucosa-133194.

Full text

Abstract:

In this thesis the application of novel tensor decomposition and tensor representation techniques in highly accurate post Hartree-Fock methods is evaluated. These representation techniques can help to overcome the steep scaling behaviour of high level ab-initio calculations with increasing system size and therefore break the "curse of dimensionality". After a comparison of various tensor formats the application of the "canonical polyadic" format (CP) is described in detail. There, especially the casting of a normal, index based tensor into the CP format (tensor decomposition) and a method for

APA, Harvard, Vancouver, ISO, and other styles

5

Rabusseau, Guillaume. "A tensor perspective on weighted automata, low-rank regression and algebraic mixtures." Thesis, Aix-Marseille, 2016. http://www.theses.fr/2016AIXM4062.

Full text

Abstract:

Ce manuscrit regroupe différents travaux explorant les interactions entre les tenseurs et l'apprentissage automatique. Le premier chapitre est consacré à l'extension des modèles de séries reconnaissables de chaînes et d'arbres aux graphes. Nous y montrons que les modèles d'automates pondérés de chaînes et d'arbres peuvent être interprétés d'une manière simple et unifiée à l'aide de réseaux de tenseurs, et que cette interprétation s'étend naturellement aux graphes ; nous étudions certaines propriétés de ce modèle et présentons des résultats préliminaires sur leur apprentissage. Le second chapit

APA, Harvard, Vancouver, ISO, and other styles

6

Alora, John Irvin P. "Automated synthesis of low-rank stochastic dynamical systems using the tensor-train decomposition." Thesis, Massachusetts Institute of Technology, 2016. http://hdl.handle.net/1721.1/105006.

Full text

Abstract:

Thesis: S.M., Massachusetts Institute of Technology, Department of Aeronautics and Astronautics, 2016.<br>This electronic version was submitted by the student author. The certified thesis is available in the Institute Archives and Special Collections.<br>Cataloged from student-submitted PDF version of thesis.<br>Includes bibliographical references (pages 79-83).<br>Cyber-physical systems are increasingly becoming integrated in various fields such as medicine, finance, robotics, and energy. In these systems and their applications, safety and correctness of operation is of primary concern, spar

APA, Harvard, Vancouver, ISO, and other styles

7

Ceruti, Gianluca [Verfasser]. "Unconventional contributions to dynamical low-rank approximation of tree tensor networks / Gianluca Ceruti." Tübingen : Universitätsbibliothek Tübingen, 2021. http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-1186805.

Full text

APA, Harvard, Vancouver, ISO, and other styles

8

Gorodetsky, Alex Arkady. "Continuous low-rank tensor decompositions, with applications to stochastic optimal control and data assimilation." Thesis, Massachusetts Institute of Technology, 2017. http://hdl.handle.net/1721.1/108918.

Full text

Abstract:

Thesis: Ph. D., Massachusetts Institute of Technology, Department of Aeronautics and Astronautics, 2017.<br>Cataloged from PDF version of thesis.<br>Includes bibliographical references (pages 205-214).<br>Optimal decision making under uncertainty is critical for control and optimization of complex systems. However, many techniques for solving problems such as stochastic optimal control and data assimilation encounter the curse of dimensionality when too many state variables are involved. In this thesis, we propose a framework for computing with high-dimensional functions that mitigates this ex

APA, Harvard, Vancouver, ISO, and other styles

9

Benedikt, Udo [Verfasser], Alexander A. [Akademischer Betreuer] Auer, and Sibylle [Gutachter] Gemming. "Low-Rank Tensor Approximation in post Hartree-Fock Methods / Udo Benedikt ; Gutachter: Sibylle Gemming ; Betreuer: Alexander A. Auer." Chemnitz : Universitätsbibliothek Chemnitz, 2014. http://d-nb.info/1230577440/34.

Full text

APA, Harvard, Vancouver, ISO, and other styles

10

Cordolino, Sobral Andrews. "Robust low-rank and sparse decomposition for moving object detection : from matrices to tensors." Thesis, La Rochelle, 2017. http://www.theses.fr/2017LAROS007/document.

Full text

Abstract:

Dans ce manuscrit de thèse, nous introduisons les avancées récentes sur la décomposition en matrices (et tenseurs) de rang faible et parcimonieuse ainsi que les contributions pour faire face aux principaux problèmes dans ce domaine. Nous présentons d’abord un aperçu des méthodes matricielles et tensorielles les plus récentes ainsi que ses applications sur la modélisation d’arrière-plan et la segmentation du premier plan. Ensuite, nous abordons le problème de l’initialisation du modèle de fond comme un processus de reconstruction à partir de données manquantes ou corrompues. Une nouvelle méthod

APA, Harvard, Vancouver, ISO, and other styles

11

Kim, Jingu. "Nonnegative matrix and tensor factorizations, least squares problems, and applications." Diss., Georgia Institute of Technology, 2011. http://hdl.handle.net/1853/42909.

Full text

Abstract:

Nonnegative matrix factorization (NMF) is a useful dimension reduction method that has been investigated and applied in various areas. NMF is considered for high-dimensional data in which each element has a nonnegative value, and it provides a low-rank approximation formed by factors whose elements are also nonnegative. The nonnegativity constraints imposed on the low-rank factors not only enable natural interpretation but also reveal the hidden structure of data. Extending the benefits of NMF to multidimensional arrays, nonnegative tensor factorization (NTF) has been shown to be successful in

APA, Harvard, Vancouver, ISO, and other styles

12

Kang, Kingston. "ESTIMATING THE RESPIRATORY LUNG MOTION MODEL USING TENSOR DECOMPOSITION ON DISPLACEMENT VECTOR FIELD." VCU Scholars Compass, 2018. https://scholarscompass.vcu.edu/etd/5254.

Full text

Abstract:

Modern big data often emerge as tensors. Standard statistical methods are inadequate to deal with datasets of large volume, high dimensionality, and complex structure. Therefore, it is important to develop algorithms such as low-rank tensor decomposition for data compression, dimensionality reduction, and approximation. With the advancement in technology, high-dimensional images are becoming ubiquitous in the medical field. In lung radiation therapy, the respiratory motion of the lung introduces variabilities during treatment as the tumor inside the lung is moving, which brings challenges to t

APA, Harvard, Vancouver, ISO, and other styles

13

Wolf, Alexander Sebastian Johannes Wolf [Verfasser], Reinhold [Akademischer Betreuer] Schneider, Reinhold [Gutachter] Schneider, Gitta [Gutachter] Kutyniok, and Lars [Gutachter] Grasedyck. "Low rank tensor decompositions for high dimensional data approximation, recovery and prediction / Alexander Sebastian Johannes Wolf Wolf ; Gutachter: Reinhold Schneider, Gitta Kutyniok, Lars Grasedyck ; Betreuer: Reinhold Schneider." Berlin : Technische Universität Berlin, 2019. http://d-nb.info/118242399X/34.

Full text

APA, Harvard, Vancouver, ISO, and other styles

14

Harmouch, Jouhayna. "Décomposition de petit rang, problèmes de complétion et applications : décomposition de matrices de Hankel et des tenseurs de rang faible." Thesis, Université Côte d'Azur (ComUE), 2018. http://www.theses.fr/2018AZUR4236/document.

Full text

Abstract:

On étudie la décomposition de matrice de Hankel comme une somme des matrices de Hankel de rang faible en corrélation avec la décomposition de son symbole σ comme une somme des séries exponentielles polynomiales. On présente un nouvel algorithme qui calcule la décomposition d’un opérateur de Hankel de petit rang et sa décomposition de son symbole en exploitant les propriétés de l’algèbre quotient de Gorenstein . La base de est calculée à partir la décomposition en valeurs singuliers d’une sous-matrice de matrice de Hankel . Les fréquences et les poids se déduisent des vecteurs propres généralis

APA, Harvard, Vancouver, ISO, and other styles

15

Lestandi, Lucas. "Approximations de rang faible et modèles d'ordre réduit appliqués à quelques problèmes de la mécanique des fluides." Thesis, Bordeaux, 2018. http://www.theses.fr/2018BORD0186/document.

Full text

Abstract:

Les dernières décennies ont donné lieux à d'énormes progrès dans la simulation numérique des phénomènes physiques. D'une part grâce au raffinement des méthodes de discrétisation des équations aux dérivées partielles. Et d'autre part grâce à l'explosion de la puissance de calcul disponible. Pourtant, de nombreux problèmes soulevés en ingénierie tels que les simulations multi-physiques, les problèmes d'optimisation et de contrôle restent souvent hors de portée. Le dénominateur commun de ces problèmes est le fléau des dimensions. Un simple problème tridimensionnel requiert des centaines de millio

APA, Harvard, Vancouver, ISO, and other styles

16

Liu, Zhenjiao. "Incomplete multi-view data clustering with hidden data mining and fusion techniques." Electronic Thesis or Diss., Institut polytechnique de Paris, 2023. http://www.theses.fr/2023IPPAS011.

Full text

Abstract:

Le regroupement de données multivues incomplètes est un axe de recherche majeur dans le domaines de l'exploration de données et de l'apprentissage automatique. Dans les applications pratiques, nous sommes souvent confrontés à des situations où seule une partie des données modales peut être obtenue ou lorsqu'il y a des valeurs manquantes. La fusion de données est une méthode clef pour l'exploration d'informations multivues incomplètes. Résoudre le problème de l'extraction d'informations multivues incomplètes de manière ciblée, parvenir à une collaboration flexible entre les vues visibles et les

APA, Harvard, Vancouver, ISO, and other styles

17

Boizard, Mélanie. "Développement et études de performances de nouveaux détecteurs/filtres rang faible dans des configurations RADAR multidimensionnelles." Electronic Thesis or Diss., Cachan, Ecole normale supérieure, 2013. http://www.theses.fr/2013DENS0063.

Full text

Abstract:

Dans le cadre du traitement statistique du signal, la plupart des algorithmes couramment utilisés reposent sur l'utilisation de la matrice de covariance des signaux étudiés. En pratique, ce sont les versions adaptatives de ces traitements, obtenues en estimant la matrice de covariance à l'aide d'échantillons du signal, qui sont utilisés. Ces algorithmes présentent un inconvénient : ils peuvent nécessiter un nombre d'échantillons important pour obtenir de bons résultats. Lorsque la matrice de covariance possède une structure rang faible, le signal peut alors être décomposé en deux sous-espaces

APA, Harvard, Vancouver, ISO, and other styles

18

Boizard, Maxime. "Développement et études de performances de nouveaux détecteurs/filtres rang faible dans des configurations RADAR multidimensionnelles." Phd thesis, École normale supérieure de Cachan - ENS Cachan, 2013. http://tel.archives-ouvertes.fr/tel-00996967.

Full text

Abstract:

Dans le cadre du traitement statistique du signal, la plupart des algorithmes couramment utilisés reposent sur l'utilisation de la matrice de covariance des signaux étudiés. En pratique, ce sont les versions adaptatives de ces traitements, obtenues en estimant la matrice de covariance à l'aide d'échantillons du signal, qui sont utilisés. Ces algorithmes présentent un inconvénient : ils peuvent nécessiter un nombre d'échantillons important pour obtenir de bons résultats. Lorsque la matrice de covariance possède une structure rang faible, le signal peut alors être décomposé en deux sous-espaces

APA, Harvard, Vancouver, ISO, and other styles

19

Goulart, José Henrique De Morais. "Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible." Thesis, Université Côte d'Azur (ComUE), 2016. http://www.theses.fr/2016AZUR4147/document.

Full text

Abstract:

Dans la première partie de cette thèse, on formule deux méthodes pour le calcul d'une décomposition polyadique canonique avec facteurs matriciels linéairement structurés (tels que des facteurs de Toeplitz ou en bande): un algorithme de moindres carrés alternés contraint (CALS) et une solution algébrique dans le cas où tous les facteurs sont circulants. Des versions exacte et approchée de la première méthode sont étudiées. La deuxième méthode fait appel à la transformée de Fourier multidimensionnelle du tenseur considéré, ce qui conduit à la résolution d'un système d'équations monomiales homogè

APA, Harvard, Vancouver, ISO, and other styles

20

Walach, Hanna Maria [Verfasser], and Christian [Akademischer Betreuer] Lubich. "Time integration for the dynamical low-rank approximation of matrices and tensors / Hanna Maria Walach ; Betreuer: Christian Lubich." Tübingen : Universitätsbibliothek Tübingen, 2019. http://d-nb.info/1190639831/34.

Full text

APA, Harvard, Vancouver, ISO, and other styles

21

Garreis, Sebastian [Verfasser], Michael [Akademischer Betreuer] Ulbrich, Matthias [Gutachter] Heinkenschloss, Christian [Gutachter] Clason, and Michael [Gutachter] Ulbrich. "Optimal Control under Uncertainty: Theory and Numerical Solution with Low-Rank Tensors / Sebastian Garreis ; Gutachter: Matthias Heinkenschloss, Christian Clason, Michael Ulbrich ; Betreuer: Michael Ulbrich." München : Universitätsbibliothek der TU München, 2019. http://d-nb.info/1179360737/34.

Full text

APA, Harvard, Vancouver, ISO, and other styles

22

Ashraphijuo, Morteza. "Low-Rank Tensor Completion - Fundamental Limits and Efficient Algorithms." Thesis, 2020. https://doi.org/10.7916/d8-a3j9-zn71.

Full text

Abstract:

This dissertation is motivated by the increasing applications of high-dimensional large-scale data sets in various fields and lack of theoretical understanding of the existing algorithms as well as lack of efficient algorithms in many cases. Hence, identifying the geometrical properties of data sets is essential for many data processing tasks, such as data retrieval and denoising. In Part I, we derive the fundamental limits on the sampling rate required to study three important problems (i) low-rank data completion, (ii) rank estimation, and (iii) data clustering. In Chapter 2 we charact

APA, Harvard, Vancouver, ISO, and other styles

23

Chen, Yi-Lei, and 陳以雷. "Manifold Guided Tensor Completion under Low-rank Structure." Thesis, 2014. http://ndltd.ncl.edu.tw/handle/08586749581330150625.

Full text

Abstract:

博士<br>國立清華大學<br>資訊工程學系<br>102<br>In this dissertation, we focus on tensor completion, which is closely related to the ubiquitous missing data problem in real-world applications. Given a tensor with incomplete entries, existing methods assume the desired tensor exhibits low-rank structure. Predicting missing entries then boils down to recovering a low-rank tensor from given entries. Factorization schemes and completion schemes are two popular methodologies. As the number of missing entries increases, factorization schemes overfit the model structure due to their incorrectly predefined tensor’s

APA, Harvard, Vancouver, ISO, and other styles

24

Benedikt, Udo. "Low-Rank Tensor Approximation in post Hartree-Fock Methods." Doctoral thesis, 2013. https://monarch.qucosa.de/id/qucosa%3A19999.

Full text

Abstract:

In this thesis the application of novel tensor decomposition and tensor representation techniques in highly accurate post Hartree-Fock methods is evaluated. These representation techniques can help to overcome the steep scaling behaviour of high level ab-initio calculations with increasing system size and therefore break the "curse of dimensionality". After a comparison of various tensor formats the application of the "canonical polyadic" format (CP) is described in detail. There, especially the casting of a normal, index based tensor into the CP format (tensor decomposition) and a method for

APA, Harvard, Vancouver, ISO, and other styles

25

Wang, Yu-Sheng, and 王裕盛. "Moving Object Detection via Sparse and Low-Rank Tensor Modeling." Thesis, 2013. http://ndltd.ncl.edu.tw/handle/14647869094424654385.

Full text

Abstract:

碩士<br>國立清華大學<br>資訊工程學系<br>101<br>Background subtraction is a common method utilized to detect moving objects. The main idea is estimate the background model according to the non-occluded background. However, when the foreground is comparatively large or the moving displacement of foreground is negligible, the estimated result will be inaccurate because the background is occluded by foreground most of the time. In order to overcome the occluded background problem, we consider the spatial low-rank property of background, and propose to combine the spatial low-rank property and the temporal low-r

APA, Harvard, Vancouver, ISO, and other styles

26

David, Li-Wei, and 郭立維. "Completely positive interpolations and preservers on tensor products of low rank matrices." Thesis, 2014. http://ndltd.ncl.edu.tw/handle/14395807928517454426.

Full text

Abstract:

博士<br>國立中山大學<br>應用數學系研究所<br>102<br>In this thesis, we will consider the following problems: (i). We study linear maps of matrix algebras, which preserve some spectral functions on a small subset of mn x mn matrices. (ii). We study completely positive interpolations between normal matrices (operators) using their spectrum and the Choi-Kraus form. We obtain a necessary and sufficient condition for the existence of a completely positive interpolation in terms of conditions about numerical ranges and dilations. Keywords:

APA, Harvard, Vancouver, ISO, and other styles

27

Wikén, Victor. "An Investigation of Low-Rank Decomposition for Increasing Inference Speed in Deep Neural Networks With Limited Training Data." Thesis, 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-235370.

Full text

Abstract:

In this study, to increase inference speed of convolutional neural networks, the optimization technique low-rank tensor decomposition has been implemented and applied to AlexNet which had been trained to classify dog breeds. Due to a small training set, transfer learning was used in order to be able to classify dog breeds. The purpose of the study is to investigate how effective low-rank tensor decomposition is when the training set is limited. The results obtained from this study, compared to a previous study, indicate that there is a strong relationship between the effects of the tensor deco

APA, Harvard, Vancouver, ISO, and other styles

We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!