自Paatero & Tapper(1994)和Lee & Seung(1999)的开创性著作引入非负矩阵分解(NMF)以来,已经过去了二十多年。此后,NMF在音频源分离、高光谱解混、用户推荐、文本信息检索、生物识别、网络分析等多个领域产生了重大影响。虽然更复杂的体系结构,比如神经网络,在一些有监督的情况下可以胜过因子分解模型,但是NMF是基于一种生成和可解释的模型,在许多情况下,这仍然是一种流行的选择,特别是对于不需要或只需要很少的训练数据的任务(例如:在无监督设置)。本教程旨在回顾过去十年在NMF方面的一些最重要的进展,重点关注NMF优化方面的最新进展(包括最先进的算法,如最大化-最小化,收敛特性,大规模实现,稀疏和时间正则化),NMF的模型选择(包括选择合适的拟合测度、秩估计)和最近的NMF扩展(包括存在异常值时的稳健NMF、可分离的NMF、正半定矩阵分解、基于NMF的排序模型)。本教程将针对没有NMF经验的初学者和在其更高级的材料中更有知识的从业者。

成为VIP会员查看完整内容
74

相关内容

【微软亚研ICASSP 2022 教程】神经文本语音合成,107页ppt
专知会员服务
27+阅读 · 2022年5月25日
【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
专知会员服务
27+阅读 · 2021年7月20日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
112+阅读 · 2020年8月15日
WSDM 2020教程《深度贝叶斯数据挖掘》,附257页PPT下载
专知会员服务
156+阅读 · 2020年2月7日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月13日
Arxiv
0+阅读 · 2022年7月13日
Arxiv
0+阅读 · 2022年7月12日
Arxiv
35+阅读 · 2021年8月2日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
已删除
Arxiv
32+阅读 · 2020年3月23日
VIP会员
相关基金
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年7月13日
Arxiv
0+阅读 · 2022年7月13日
Arxiv
0+阅读 · 2022年7月12日
Arxiv
35+阅读 · 2021年8月2日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
已删除
Arxiv
32+阅读 · 2020年3月23日
微信扫码咨询专知VIP会员