期刊
雷电竞下载苹果
raybet推荐吗
关于我们
博客
计算智能和神经科学
日报》概述
对于作者
对于审查员
的编辑器
表的内容
特殊的问题
计算智能和神经科学
/
2008年
/
文章
/
图1
/
研究文章
非负矩阵分解与高斯过程先验
图1
玩具示例数据矩阵(左上),基本无噪声的非负数据(右上),和估计使用文本描述的四种方法。数据有相当大量的噪音,和底层负的因素在两个方向平滑。LS-NMF和CNMF分解非光滑,因为这些方法不是模型的相关性因素。GPP-NMF,它使用一个光滑的之前,找到一个平稳的解决方案。当使用正确的之前,soulution非常接近真正的底层数据。