Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Mechanical Engineering Vocational English Education Based on ESP Theory Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

79. Decreasing Accelerated Gradient Descent Method for Nonnegative Matrix Factorization

verfasst von : Furui Liu

Erschienen in: Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, by bringing in a user defined nonnegative control matrix to form a new objective function, I modify the update rules correspondingly and propose a novel decreasing accelerated gradient descent method for nonnegative matrix factorization (DAGDM) which can make the matrix of the decomposition results achieve sparse. The control matrix also contains the weighting information, which puts different weight on different parts of the result matrix to be produced. This will provide a control interface of nonnegative matrix factorization to make a sparse and light basis matrix. Experimental results demonstrate the effectiveness of the proposed method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Impact of Product Attributes and Reputation Mechanism on Customer Intention
Nächstes Kapitel Symplectic Runge–Kutta Schemes and Variational Integrations of Pendulum Equation
Literatur
1.
Paatero P, Tapper U (1994) Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values. Environ metrics 5:111–126
2.
Lee DD, Seung HS (1999) Learning the parts of objects by nonnegative matrix factorization. Nature 401:788–791CrossRef
3.
Hyvärinen A, Karhunen J, Oja E (2001) Independent component analysis, vol 24. Wiley, New York, pp 624–631CrossRef
4.
Kim PM, Tidor B (2003) Subsystem identification through dimensionality reduction of large-scale gene expression data. Genome Res 13:1706–1718CrossRef
5.
Guillamet D, Vitria J (2002) Nonnegative matrix factorization for face recognition. Proc Conf Top Artif Intell 35:336–344CrossRef
6.
Mel BW (1999) Computational neuroscience: think positive to find parts. Nature 401:759–760CrossRef
7.
Hoyer PO (2004) Nonnegative matrix factorization with sparseness constraints. J Machine Learning Res 5:1457–1469MathSciNetMATH
8.
Liu W, Zheng N, Lu X (2003) Nonnegative matrix factorization for visual coding. Proc IEEE Intl Conf Acoust Speech and Signal Process 746:25–27
9.
Lee DD, Seung HS (2001) Algorithms for non-negative matrix factorization. Adv Proc Conf Neural Inform Process Syst 85:556–562
10.
Chu M, Diele F, Plemmons R, Ragni S (2004) Optimality, computation, and interpretations of nonnegative matrix factorizations. SIAM J Matrix Anal 47:267–269
11.
Zuo W, Lin Z, Guo ZD (2011) The multiscale competitive code via sparse representation for palmprint verification. Proc Conf Comput Vision and Pattern Recognit 95:36–38
Metadaten
Titel
Decreasing Accelerated Gradient Descent Method for Nonnegative Matrix Factorization
verfasst von
Furui Liu
Copyright-Jahr
2013
Verlag
Springer London
Buch
Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012

Print ISBN: 978-1-4471-4855-5

Electronic ISBN: 978-1-4471-4856-2

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4471-4856-2_79

Neuer Inhalt

    Bildnachweise