Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for subject:(canonical polyadic decomposition). Showing records 1 – 6 of 6 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters


University of Minnesota

1. Huang, Kejun. Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications.

Degree: PhD, Electrical Engineering, 2016, University of Minnesota

 This dissertation studies constrained matrix and tensor factorization problems which appear in the context of estimating factor analysis models used in signal processing and machine… (more)

Subjects/Keywords: canonical polyadic decomposition; non-negative matrix factorization; parallel factor analysis; uniqueness; volume minimization

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Huang, K. (2016). Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications. (Doctoral Dissertation). University of Minnesota. Retrieved from http://hdl.handle.net/11299/182818

Chicago Manual of Style (16th Edition):

Huang, Kejun. “Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications.” 2016. Doctoral Dissertation, University of Minnesota. Accessed January 24, 2020. http://hdl.handle.net/11299/182818.

MLA Handbook (7th Edition):

Huang, Kejun. “Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications.” 2016. Web. 24 Jan 2020.

Vancouver:

Huang K. Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications. [Internet] [Doctoral dissertation]. University of Minnesota; 2016. [cited 2020 Jan 24]. Available from: http://hdl.handle.net/11299/182818.

Council of Science Editors:

Huang K. Constrained Matrix and Tensor Factorization: Theory, Algorithms, and Applications. [Doctoral Dissertation]. University of Minnesota; 2016. Available from: http://hdl.handle.net/11299/182818

2. Vu, Thi Thanh Xuan. Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing.

Degree: Docteur es, Mathématiques et informatique. Mathématiques, 2017, Aix Marseille Université

Dans cette thèse on s’intéresse au problème des décompositions canoniques polyadiques de tenseurs d’ordre N potentiellement grands et sous différentes contraintes (non-négativité, aspect creux lié… (more)

Subjects/Keywords: .; Canonical Polyadic Decomposition; Tensor; Gradient approaches; Memetic methods; Proximal methods; Fluorescence spectroscopy; Large dimensions; Bc-Vmfb

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Vu, T. T. X. (2017). Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing. (Doctoral Dissertation). Aix Marseille Université. Retrieved from http://www.theses.fr/2017AIXM0540

Chicago Manual of Style (16th Edition):

Vu, Thi Thanh Xuan. “Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing.” 2017. Doctoral Dissertation, Aix Marseille Université. Accessed January 24, 2020. http://www.theses.fr/2017AIXM0540.

MLA Handbook (7th Edition):

Vu, Thi Thanh Xuan. “Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing.” 2017. Web. 24 Jan 2020.

Vancouver:

Vu TTX. Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing. [Internet] [Doctoral dissertation]. Aix Marseille Université 2017. [cited 2020 Jan 24]. Available from: http://www.theses.fr/2017AIXM0540.

Council of Science Editors:

Vu TTX. Optimisation déterministe et stochastique pour des problèmes de traitement d'images en grande dimension : Deterministic and stochastic optimization for solving large size inverse problems in image processing. [Doctoral Dissertation]. Aix Marseille Université 2017. Available from: http://www.theses.fr/2017AIXM0540

3. André, Rémi. Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation.

Degree: Docteur es, Automatique, signal, productique, robotique, 2018, Toulon

Cette thèse présente de nouveaux algorithmes de diagonalisation conjointe par similitude. Cesalgorithmes permettent, entre autres, de résoudre le problème de décomposition canonique polyadiquede tenseurs. Cette… (more)

Subjects/Keywords: Diagonalisation conjointe de matrices; Décomposition matricielle; Décomposition canonique polyadique; PARAFAC; Tenseur; Non-négativité; Joint diagonalization; Matrix decomposition; Canonical polyadic decomposition; PARAFAC; Tensor; Nonnegativity

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

André, R. (2018). Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation. (Doctoral Dissertation). Toulon. Retrieved from http://www.theses.fr/2018TOUL0011

Chicago Manual of Style (16th Edition):

André, Rémi. “Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation.” 2018. Doctoral Dissertation, Toulon. Accessed January 24, 2020. http://www.theses.fr/2018TOUL0011.

MLA Handbook (7th Edition):

André, Rémi. “Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation.” 2018. Web. 24 Jan 2020.

Vancouver:

André R. Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation. [Internet] [Doctoral dissertation]. Toulon; 2018. [cited 2020 Jan 24]. Available from: http://www.theses.fr/2018TOUL0011.

Council of Science Editors:

André R. Algorithmes de diagonalisation conjointe par similitude pour la décomposition canonique polyadique de tenseurs : applications en séparation de sources : Joint diagonalization by similarity algorithms for the canonical polyadic decomposition of tensors : Applications in blind source separation. [Doctoral Dissertation]. Toulon; 2018. Available from: http://www.theses.fr/2018TOUL0011


University of Edinburgh

4. Kinney-Lang, Eli W. Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings.

Degree: PhD, 2019, University of Edinburgh

 This doctoral thesis outlines advances in multi-way analysis for characterizing electroencephalogram (EEG) recordings from a paediatric population, with the aim to describe new links between… (more)

Subjects/Keywords: electroencephalogram recordings; EEG data; canonical polyadic decomposition; CPD; paediatric EEG recordings; CPD framework; rEEG; development-affiliated profiles; JEDI model; graph networks; CPD model

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Kinney-Lang, E. W. (2019). Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings. (Doctoral Dissertation). University of Edinburgh. Retrieved from http://hdl.handle.net/1842/35591

Chicago Manual of Style (16th Edition):

Kinney-Lang, Eli W. “Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings.” 2019. Doctoral Dissertation, University of Edinburgh. Accessed January 24, 2020. http://hdl.handle.net/1842/35591.

MLA Handbook (7th Edition):

Kinney-Lang, Eli W. “Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings.” 2019. Web. 24 Jan 2020.

Vancouver:

Kinney-Lang EW. Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings. [Internet] [Doctoral dissertation]. University of Edinburgh; 2019. [cited 2020 Jan 24]. Available from: http://hdl.handle.net/1842/35591.

Council of Science Editors:

Kinney-Lang EW. Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings. [Doctoral Dissertation]. University of Edinburgh; 2019. Available from: http://hdl.handle.net/1842/35591

5. Royer, Jean-Philip. Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis.

Degree: Docteur es, Automatique, traitement du signal et des images, 2013, Nice

Dans cette thèse, nous nous focalisons sur le problème de la décomposition polyadique minimale de tenseurs de dimension trois, problème auquel on se réfère généralement… (more)

Subjects/Keywords: Non négativité; Tenseurs d'ordre trois; Décomposition canonique polyadique; Données manquantes; Spectroscopie de fluorescence; Séparation aveugle de composés de matière organique dissoute (MOD); Nonnegativity; Third order tensors; Polyadic canonical decomposition; Missing data; Fluorescence spectroscopy; Blind separation of dissolved organic matter (DOM)

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Royer, J. (2013). Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis. (Doctoral Dissertation). Nice. Retrieved from http://www.theses.fr/2013NICE4073

Chicago Manual of Style (16th Edition):

Royer, Jean-Philip. “Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis.” 2013. Doctoral Dissertation, Nice. Accessed January 24, 2020. http://www.theses.fr/2013NICE4073.

MLA Handbook (7th Edition):

Royer, Jean-Philip. “Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis.” 2013. Web. 24 Jan 2020.

Vancouver:

Royer J. Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis. [Internet] [Doctoral dissertation]. Nice; 2013. [cited 2020 Jan 24]. Available from: http://www.theses.fr/2013NICE4073.

Council of Science Editors:

Royer J. Identification aveugle de mélanges et décomposition canonique de tenseurs : application à l'analyse de l'eau : Blind identification of mixtures and canonical tensor decomposition : application to wateranalysis. [Doctoral Dissertation]. Nice; 2013. Available from: http://www.theses.fr/2013NICE4073

6. Goulart, José Henrique De Morais. Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors.

Degree: Docteur es, Automatique et traitement du signal et des images, 2016, Côte d'Azur

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… (more)

Subjects/Keywords: Décomposition polyadique canonique; Matrices structurées; Tenseurs structurés; Moindres carrés alternés; Matrices circulantes; Équations monomiales homogènes; Récupération de tenseurs de rang faible; Reconstruction tensorielle; Seuillage dur itératif; Système de transport intelligent; Canonical polyadic decomposition; Structured matrices; Structured tensors; Alternating least-squares; Circulant matrices; Homogeneous monomial equations; Low-rank tensor recovery; Tensor completion; Iterative hard thresholding; Intelligent transportation system

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Goulart, J. H. D. M. (2016). Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors. (Doctoral Dissertation). Côte d'Azur. Retrieved from http://www.theses.fr/2016AZUR4147

Chicago Manual of Style (16th Edition):

Goulart, José Henrique De Morais. “Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors.” 2016. Doctoral Dissertation, Côte d'Azur. Accessed January 24, 2020. http://www.theses.fr/2016AZUR4147.

MLA Handbook (7th Edition):

Goulart, José Henrique De Morais. “Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors.” 2016. Web. 24 Jan 2020.

Vancouver:

Goulart JHDM. Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors. [Internet] [Doctoral dissertation]. Côte d'Azur; 2016. [cited 2020 Jan 24]. Available from: http://www.theses.fr/2016AZUR4147.

Council of Science Editors:

Goulart JHDM. Estimation de modèles tensoriels structurés et récupération de tenseurs de rang faible : Estimation of structured tensor models and recovery of low-rank tensors. [Doctoral Dissertation]. Côte d'Azur; 2016. Available from: http://www.theses.fr/2016AZUR4147

.