Factorización de matrices no negativas con regularización topológica
Descubre cómo la regularización topológica mejora la interpretabilidad en NMF, usando homología persistente para bases coherentes en imágenes, series y grafos.
Descubre cómo la regularización topológica mejora la interpretabilidad en NMF, usando homología persistente para bases coherentes en imágenes, series y grafos.
Descubre cómo la homología persistente mejora la factorización de matrices no negativas para obtener bases interpretables en imágenes, series temporales y
¿Es la computación comprimida realmente computación en superposición? Este estudio revela que no, analizando la matriz de mezcla.
Descubre EventNMF: un modelo de factorización no negativa para eventos temporales continuos que extrae patrones ocultos sin discretización. Ideal para neurociencia, sismología y redes sociales.