文件名称：matlab三维拟合代码-tensor-demo:张量分解快速入门指南
文件大小：59KB
文件格式：ZIP
更新时间：2024-06-10 02:09:08
系统开源
matlab三维拟合代码张量分解和多重试验神经数据的简短教程 这是一个简短且独立的示例，说明了如何适应多试验神经数据。 背景 神经科学中非常普遍的通用实验设计是在重复的行为试验中记录许多神经元的活动。 假设我们在每个试验中记录了T时间点N神经元的活动，总共有K个试验。 表示此数据的自然方法是尺寸为N x T x K的三维数据数组。 这样的高阶数组称为张量。 我们希望找到对此多重试验数据集的紧凑且可解释的描述。 这个目标通常被称为降维，它涉及将数据的测得的维数减少（可能很容易涉及数百个神经元，以及使用当前的实验技术进行数百次试验）到少数潜在因素。 主成分分析（PCA）是降维（）的经典技术。 CP分解将PCA扩展到高阶张量。 实际上，PCA是矩阵（即二阶张量）上的CP分解。 如上所述，多试验数据自然地表示为三阶张量。 将CP分解应用于该张量会为神经活动的试验内和试验间变化产生低维因素。 CP分解是一种有吸引力的技术，因为它在概念上很简单（每个试验都建模为潜在因子的线性组合），并且因为它具有一些微妙的优势（最优模型是唯一的，而PCA识别的因子可以任意旋转而无需影响重建错误）。 更多背景资料
【文件预览】：
tensor-demo-master
----matlab()
--------img()
--------README.md(3KB)
--------viz_ktensor.m(6KB)
--------cp_demo.m(4KB)
----LICENSE(1KB)
----README.md(3KB)
----data()
--------README.md(138B)
--------ofc-1()
----.gitignore(14B)
----python()
--------README.md(78B)