文件名称：Tensor-Fox:Tensor软件包，重点关注低秩近似
文件大小：50.44MB
文件格式：ZIP
更新时间：2024-04-24 00:39:13
JupyterNotebook
张量福克斯 Tensor Fox是一个包含多线性代数和张量例程的高性能程序包，重点是规范多Adadic分解（CPD），也称为PARAFAC或CANDECOMP。 我们推荐来介绍这种分解。 在此软件包中，您将找到高效的CPD求解器，用于微调的各种参数，支持稀疏张量，用于测试模型和张量行为的例程，等级估计，统计信息等等！ 目录 :fox: 动机 如今，多维数据结构很常见，从中提取有用的信息对于几种应用程序至关重要。 对于二维数据结构（即矩阵），可以依赖分解，例如（SVD）。 对于高阶多维数组，SVD有两种可能的概括：多线性奇异值分解（MLSVD）和规范多态分解（CPD）。 前者可以看作是更高阶的 ，可用于降维，而后者可用于检测潜在变量。 计算MLSVD只是计算多个SVD的问题，但是CPD是一个具有挑战性的问题。 确定张量的是一个NP难题，因此最好的选择是依靠试探法，猜测
【文件预览】：
Tensor-Fox-master
----tutorial()
--------11-sparse_tensors.ipynb(10KB)
--------6-statistics_and_rank_estimation.ipynb(53KB)
--------8-controlling_the_mlsvd_truncation.ipynb(70KB)
--------tensor-train-methods.png(24KB)
--------tensor-train.png(10KB)
--------10-condition_number.ipynb(6KB)
--------4-advanced_options.ipynb(46KB)
--------1-first_steps.ipynb(18KB)
--------9-convenience_tools.ipynb(220KB)
--------2-basic_options.ipynb(42KB)
--------sparse.png(19KB)
--------swimmer.npy(2MB)
--------7-first_problem.ipynb(253KB)
--------3-intermediate_options.ipynb(23KB)
--------5-outputs.ipynb(76KB)
----readme_files()
--------benchmarks2.png(68KB)
--------formula1.png(3KB)
--------ipynb1.png(9KB)
--------benchmarks3.png(68KB)
--------ipynb2.png(51KB)
--------ipynb3.png(108KB)
--------benchmarks1.png(44KB)
--------tensor-intuition.png(21KB)
----tests()
--------matlab_benchs.m(7KB)
--------gaussian_mix_module.py(8KB)
--------bottlenecks.py(1KB)
--------swamps.py(1KB)
--------gaussian_mix.ipynb(8KB)
--------border_rank.npy(7.63MB)
--------handwritten.npy(15.26MB)
--------swimmer.npy(2MB)
--------README.md(765B)
--------Mntensor.py(372B)
--------make_tests.ipynb(7KB)
--------matlab_mix_benchs.m(1KB)
----LICENSE(34KB)
----examples()
--------digit_recognizer_cpd.ipynb(76KB)
--------Image_Compression_CPD.ipynb(4.2MB)
--------output_mlsvd.png(6.66MB)
--------input.bmp(24.04MB)
--------digit_recognizer_mlsvd.ipynb(52KB)
--------neural.png(81KB)
--------output_cpd.png(5.37MB)
--------Image_Compression_MLSVD.ipynb(5.21MB)
----README.md(21KB)
----modules()
--------TensorFox()