Τεχνικές βελτιστοποίησης μεγάλης κλίμακας με εφαρμογές σε tensors

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Ιδρυματικό Αποθετήριο Πολυτεχνείου Κρήτης
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2017 (EL)

Τεχνικές βελτιστοποίησης μεγάλης κλίμακας με εφαρμογές σε tensors (EL)
Large scale optimization methods and applications in tensor optimization (EN)

Λουρακης Γεωργιος (EL)
Lourakis Georgios (EN)

Πολυτεχνείο Κρήτης (EL)
Λιαβας Αθανασιος (EL)
Διγαλακης Βασιλης (EL)
Καρυστινος Γεωργιος (EL)
Technical University of Crete (EN)
Karystinos Georgios (EN)
Liavas Athanasios (EN)
Digalakis Vasilis (EN)

We consider the problems of nonnegative tensor factorization and completion. Our aim is to derive efficient algorithms that are also suitable for parallel implementation. We adopt the alternating optimization framework and solve each matrix nonnegative least-squares problem via a Nesterov-type algorithm for convex and strongly convex problems. We describe parallel implementations of the algorithms and measure the attained speedup in a multi-core computing environment. It turns out that the derived algorithms are competitive candidates for the solution of very large-scale nonnegative tensor factorization and completion. (EN)

masterThesis

Nonnegative tensor factorization (EN)
Tensors (EN)
Optimal first-order optimization algorithms (EN)
Parallel algorithms (EN)


Αγγλική γλώσσα

2017


Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (EL)
Technical University of Crete::School of Electrical and Computer Engineering (EN)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.