×
验证码:
换一张
忘记密码?
记住我
×
登录
中文版
|
English
中国科学院重庆绿色智能技术研究院机构知识库
KMS Chongqing Institute of Green and Intelligent Technology, CAS
登录
注册
ALL
ORCID
题名
作者
发表日期
学科领域
关键词
文献类型
出处
存缴日期
收录类别
出版者
资助项目
学科门类
学习讨论厅
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
新闻&公告
在结果中检索
研究单元&专题
作者
罗辛 [3]
吴迪 [1]
文献类型
期刊论文 [3]
发表日期
2023 [1]
2021 [2]
语种
英语 [3]
出处
IEEE-CAA J... [3]
资助项目
National N... [2]
CAAI-Huawe... [1]
Chinese Ac... [1]
Guangdong ... [1]
Hainan Pro... [1]
King Abdul... [1]
更多...
收录类别
SCI [3]
资助机构
×
知识图谱
CSpace
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共3条,第1-3条
帮助
限定条件
出处:IEEE-CAA JOURNAL OF AUTOMATICA SINICA
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
发表日期升序
发表日期降序
题名升序
题名降序
WOS被引频次升序
WOS被引频次降序
提交时间升序
提交时间降序
期刊影响因子升序
期刊影响因子降序
Proximal Alternating-Direction-Method-of-Multipliers-Incorporated Nonnegative Latent Factor Analysis
期刊论文
IEEE-CAA JOURNAL OF AUTOMATICA SINICA, 2023, 卷号: 10, 期号: 6, 页码: 1388-1406
作者:
Bi, Fanghui
;
Luo, Xin
;
Shen, Bo
;
Dong, Hongli
;
Wang, Zidong
收藏
  |  
浏览/下载:14/0
  |  
提交时间:2023/12/25
Data science
high-dimensional and incomplete data
knowledge acquisition
industrial application
nonnegative latent factor analysis(NLFA)
proximal alternating direction method of multipliers
representation learning
Robust Latent Factor Analysis for Precise Representation of High-Dimensional and Sparse Data
期刊论文
IEEE-CAA JOURNAL OF AUTOMATICA SINICA, 2021, 卷号: 8, 期号: 4, 页码: 796-805
作者:
Wu, Di
;
Luo, Xin
收藏
  |  
浏览/下载:82/0
  |  
提交时间:2021/05/17
High-dimensional and sparse matrix
L-1-norm
L-2-norm
latent factor model
recommender system
smooth L-1-norm
Efficient and High-quality Recommendations via Momentum-incorporated Parallel Stochastic Gradient Descent-Based Learning
期刊论文
IEEE-CAA JOURNAL OF AUTOMATICA SINICA, 2021, 卷号: 8, 期号: 2, 页码: 402-411
作者:
Luo, Xin
;
Qin, Wen
;
Dong, Ani
;
Sedraoui, Khaled
;
Zhou, MengChu
收藏
  |  
浏览/下载:105/0
  |  
提交时间:2021/03/17
Big data
industrial application
industrial data
latent factor analysis
machine learning
parallel algorithm
recommender system (RS)
stochastic gradient descent (SGD)