首页> 外文OA文献 >Learning Latent Features with Pairwise Penalties in Low-Rank Matrix Completion

【2h】

Learning Latent Features with Pairwise Penalties in Low-Rank Matrix Completion

机译：学习潜在特征，在低级矩阵完成中具有成对惩罚

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Kaiyi Ji; Jian Tan; Jinfeng Xu; Yuejie Chi;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Learning Latent Low-Rank and Sparse Embedding for Robust Image Feature Extraction [J] . Ren Zhenwen, Sun Quansen, Wu Bin, IEEE Transactions on Image Processing . 2020,第期

机译：用于鲁棒图像特征提取的学习潜伏的低级和稀疏嵌入
2. Feature learning for stacked ELM via low-rank matrix factorization [J] . Ouyang Tinghui Neurocomputing . 2021,第Auga11期

机译：通过低秩矩阵分解的堆叠榆树的特征学习
3. Micro-cracks detection of multicrystalline solar cell surface based on self-learning features and low-rank matrix recovery [J] . Qian Xiaoliang, Zhang Heqing, Yang Cunxiang, Sensor Review . 2018,第3期

机译：基于自学习特征和低秩矩阵恢复的多晶硅太阳能电池表面微裂纹检测
4. Learning Latent Features with Pairwise Penalties in Low-Rank Matrix Completion [C] . Kaiyi Ji, Jian Tan, Jinfeng Xu, IEEE Sensor Array and Multichannel Signal Processing Workshop . 2020

机译：在低秩矩阵完成中学习成对惩罚的潜在特征
5. Non-convex Methods for Spectrally Sparse Signal Reconstruction via Low-rank Hankel Matrix Completion [D] . Wang, Tianming. 2018

机译：通过低秩Hankel矩阵完成的光谱稀疏信号重建的非凸法方法
6. Gene expression prediction using low-rank matrix completion [O] . Arnav Kapur, Kshitij Marwah, Gil Alterovitz 2016

机译：使用低秩矩阵完成的基因表达预测
7. LOW-RANK MATRIX COMPLETION BY VARIATIONAL SPARSE BAYESIAN LEARNING [O] . S. Derin Babacan, Martin Luessi, Rafael Molina, 2013

机译：变异稀疏贝叶斯学习的低秩矩阵完备

Learning Latent Features with Pairwise Penalties in Low-Rank Matrix Completion

著录项

引文网络

相似文献

相关主题

期刊订阅