Zobrazeno 1 - 10
of 852
pro vyhledávání: '"Canonical polyadic decomposition (CPD)"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Multimedia Tools and Applications. 80:22987-23007
Tensor decomposition methods have been widely applied to big data analysis as they bring multiple modes and aspects of data to a unified framework, which allows us to discover complex internal structures and correlations of data. Unfortunately most e
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::3852a4a23978ea607d5fc0cd45f17e39
https://doi.org/10.1007/s11042-020-08711-1
https://doi.org/10.1007/s11042-020-08711-1
Autor:
Li-Dan Kuang, Qiu-Hua Lin, Xiao-Feng Gong, Jianming Zhang, Wenjun Li, Feng Li, Vince D. Calhoun
Publikováno v:
IEEE Transactions on Neural Systems and Rehabilitation Engineering, Vol 30, Pp 2630-2640 (2022)
Complex-valued shift-invariant canonical polyadic decomposition (CPD) under a spatial phase sparsity constraint (pcsCPD) shows excellent separation performance when applied to band-pass filtered complex-valued multi-subject fMRI data. However, some u
Externí odkaz:
https://doaj.org/article/d0b4ebcb48a74ca8a45281f451d2affe
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Journal of Northeastern University (Natural Science). Jan2024, Vol. 45 Issue 1, p26-32. 7p.
Autor:
Kuang, Li-Dan1 (AUTHOR) kuangld@csust.edu.cn, Lin, Qiu-Hua1 (AUTHOR) qhlin@dlut.edu.cn, Gong, Xiao-Feng1 (AUTHOR) xfgong@dlut.edu.cn, Cong, Fengyu2 (AUTHOR) cong@dlut.edu.cn, Wang, Yu-Ping3 (AUTHOR) wyp@tulane.edu, Calhoun, Vince D.4 (AUTHOR) vcalhoun@gsu.edu
Publikováno v:
IEEE Transactions on Medical Imaging. Apr2020, Vol. 39 Issue 4, p844-853. 10p.
Autor:
Torun, Tuğba
Cataloged from PDF version of article. Thesis (Ph.D.): Bilkent University, Department of Computer Engineering, İhsan Doğramacı Bilkent University, 2021. Includes bibliographical references (leaves 122-134). Several scientific and real-world probl
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3533::7af53de5427b33370626ca8e95867fcd
https://hdl.handle.net/11693/76437
https://hdl.handle.net/11693/76437
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Canonical polyadic decomposition (CPD) of multi-subject complex-valued fMRI data can be used to provide spatially and temporally shared components among groups with both magnitude and phase information. However, the CPD model is not well formulated d
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6780bb1de7a364ed9f946faa0821af49
http://urn.fi/URN:NBN:fi:jyu-202001141199
http://urn.fi/URN:NBN:fi:jyu-202001141199