معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

An implementation of the CORCONDIA (Core Consistency Diagnostic) in Python.

ویژگی	مقدار
سیستم عامل	-
نام فایل	corcondia-0.1.1
نام	corcondia
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	William Shiao
ایمیل نویسنده	willshiao@gmail.com
آدرس صفحه اصلی	http://pypi.python.org/pypi/corcondia/
آدرس اینترنتی	https://pypi.org/project/corcondia/
مجوز	MIT

# pycorcondia [![](https://img.shields.io/pypi/v/corcondia.svg)](https://pypi.org/pypi/corcondia/) [![](https://img.shields.io/pypi/l/corcondia)](https://pypi.org/pypi/corcondia/) CORCONDIA (Core Consistency Diagnostic) implementation in Python. It uses Tensorly with the Numpy backend. ## Installation ```bash pip install -U corcondia ``` ## Usage Currently, the only implemented function is `corcondia_3d`, which calculates the Core Consistency Diagnostic (CORCONDIA) for a 3D tensor. Additional arguments will be forwarded to the [`tensorly.decomposition.parafac`](http://tensorly.org/stable/modules/generated/tensorly.decomposition.parafac.html#tensorly.decomposition.parafac) call. An example on a random tensor is shown below. ```python3 import numpy as np from corcondia import corcondia_3d X = np.random.rand(5, 5, 5) print(corcondia_3d(X, k=3)) ``` ## References This is based off of the original MATLAB implementation by Evangelos (Vagelis) Papalexakis: ``` @inproceedings{inproceedings, author = {Papalexakis, Evangelos and Faloutsos, Christos}, year = {2015}, month = {04}, pages = {5441-5445}, title = {Fast efficient and scalable Core Consistency Diagnostic for the parafac decomposition for big sparse tensors}, doi = {10.1109/ICASSP.2015.7179011} } ``` CORCONDA was first introduced by Bro and Kiers (2003) [here](https://analyticalsciencejournals.onlinelibrary.wiley.com/doi/abs/10.1002/cem.801). Thanks to Alessandro Bessi for his initial implementation [here](https://github.com/alessandrobessi/corcondia), which led to the creation of this repo. Also, thanks to Yorgos Tsitsikas for his valuable feedback and suggestions.

نیازمندی

مقدار	نام
-	tensorly
-	numpy

نحوه نصب

نصب پکیج whl corcondia-0.1.1:

pip install corcondia-0.1.1.whl

نصب پکیج tar.gz corcondia-0.1.1:

pip install corcondia-0.1.1.tar.gz