Structured Tensor-Train Decomposition for Speeding-Up Kernel-Based Learning

Yassine Zniyed; Ouafae Karmouda; Jérémie Boulanger; Remy Boyer; André L. F. de Almeida; Gérard Favier

Chapitre d'ouvrage

Structured Tensor-Train Decomposition for Speeding-Up Kernel-Based Learning

Yassine Zniyed ^{1, 2} Ouafae Karmouda ^{3, 4} Jérémie Boulanger ^{3, 4} Remy Boyer ^{3, 4} André L. F. de Almeida ⁵ Gérard Favier ⁶

1 SIIM - Signal et Image

LIS - Laboratoire d'Informatique et Systèmes

2 UTLN SeaTech - Université de Toulon - École d’ingénieurs SeaTech

3 CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189

4 University of Lille

5 GTEL - Wireless Telecom Research Group [Fortaleza]

6 I3S - Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis

Abstract : In this chapter, we present an algebraic relation between the Tucker model and the Tensor-Train decomposition with structured cores. Exploiting this link, we present a new fast algorithm to compute the dominant singular subspaces of a Q-order tensor. As opposedt o the state of the art methods (usually called HOSVD for high-order SVD), our approach mitigates the well-known “curse of dimentionality”. This approach is applied to speed up kernel-based supervised tensor classification.

Keywords : Structured Tensors Tucker decomposition Tensor Trains HOSVD Classification

Type de document :

Chapitre d'ouvrage

Domaine :

Mathématiques [math]

Sciences de l'ingénieur [physics]

Liste complète des métadonnées

https://hal.univ-lille.fr/hal-03264296
Contributeur : Remy Boyer Connectez-vous pour contacter le contributeur
Soumis le : vendredi 18 juin 2021 - 09:42:16
Dernière modification le : mardi 19 octobre 2021 - 23:15:47

Structured Tensor-Train Decomposition for Speeding-Up Kernel-Based Learning

Identifiants

Collections

Citation

Exporter

Métriques

129

Structured Tensor-Train Decomposition for Speeding-Up Kernel-Based Learning

Identifiants

Collections

Citation

Exporter

Partager

Métriques

129