n方向の行列化(n-way matricization)
12
テンソルの計算(5)
-行列化の手順-
① テンソルをn方向へ
スライスする。
(In 個のスライス)
② 各スライスを行ベク
トルへ展開する。
(In 個のベクトル)
③ 各行ベクトルを上から
下に縦に並べる。
Slide 13
Slide 13 text
行列と行列の積
(I×J)行列 ・(J×K)行列 = (I×K)行列
テンソルと行列の積
(I×J×K)テンソル ×1 (L×I)行列 = (L×J×K)テンソル
(I×J×K)テンソル ×2 (L×J)行列 = (I×L×K)テンソル
(I×J×K)テンソル ×3 (L×K)行列 = (I×J×L)テンソル
13
テンソルの計算(6)
=
・
I
J
J
K K
I
I
J
K
×1
I
L = L
J
K
I
L I
=
JK
L
JK
行列化 行列化
・
Slide 14
Slide 14 text
3階テンソルと3つの行列との積
14
テンソルの計算(7)
I
J
K
×1
L = L
M
N
×2
M ×3
N
I J K
I
L I
=
JK
L
MN
・ ・
MN
JK
行列化で表記すると
=
IJK LMN
・
ベクトル化で表記すると
IJK
LMN
Slide 15
Slide 15 text
いろいろなテンソル同士の積
外積 (s階テンソルとt階テンソルでs+t階テンソルになる)
15
テンソルの計算(8)
I
J
K
L
J
K
I
L
=
JK
L
JK
I I
L
=
Tuckerモデルの行列化(3階テンソル)
Tuckerモデルのベクトル化
25
Tuckerモデルの展開
I
R1
I =
JK
R2R3
JK
A
R1
R2R3
(C × B)
〇 T
G(1)
[Tuck](1)
(C × B × A)
〇 〇
=
IJK IJK
R1R2R3
R1R2R3
・
Slide 26
Slide 26 text
評価基準
G,A,B,C は一意に決まらない
A, B, C に正規直交制約を加える(これでも一意にはならない…)
目的関数Lについて見ていく
26
Tucker分解のための評価基準
この目的関数を
関数L とおく
➔
Slide 27
Slide 27 text
目的関数LにGを代入する
目的関数の最小化は、 G のノルムの最大化となる(PCAと同じ)
27
Tucker分解のための評価基準(2)
PSNR(peak signal to noise ratio)
41
再構成誤差の評価
11枚
33 pixels
26 pixels
G
A
C
BT
・・・
15人
・・・
・・・
・・・
・・・
11枚
858
pixels
R1×10×10
・画像にはノイズ(10dB)が付加されている
・R1個のパーツで各顔画像を再構成する
・再構成した画像とノイズのない原画像をPSNRで比較
Slide 42
Slide 42 text
42
応用例2: 3階テンソルデータのノイズ除去
7.21 dB
非負CP分解
(19.8 dB)
非負Tucker分解
(13.5 dB)
スムース非負
CP分解(26.8 dB)
スムース非負Tu-
cker分解(23.9 dB)
Gaussian
noise
G
A
C
B T
G
U
W
VT T
非負Tucker分解
非負CP分解
スムース非負Tucker分解
スムース非負CP分解