Tiefe Nichtnegativen Matrixfaktorisierung mit Beta-Divergenzen
Die Autoren entwickeln neue Modelle und Algorithmen für tiefe Nichtnegativen Matrixfaktorisierung unter Verwendung von Beta-Divergenzen, mit einem Schwerpunkt auf der Kullback-Leibler-Divergenz. Diese Techniken werden dann auf die Extraktion von Gesichtsmerkmalen, die Identifizierung von Themen in Dokumentensammlungen und die Identifizierung von Materialien in hyperspektralen Bildern angewendet.
