A nonnegative matrix factorization algorithm based on a discrete-time projection neural network

این مقاله یک الگوریتم برای تقسیم بندی ماتریس غیر انتزاعی بر اساس فرمول بهینه سازی دوقطبی را ارائه می دهد. اول، یک شبکه عصبی پروجکشن زمان گسسته معرفی شده است. حد بالایی از اندازه گام آن برای تضمین ثبات شبکه عصبی مشتق شده است. سپس، یک الگوریتم بر اساس شبکه عصبی پروجکشن زمان گسسته و یک سازگاری با اندازه گام به عقب رانده شده پیشنهاد می شود. الگوریتم پیشنهادی ثابت شده است که بتواند مقدار تابع هدف را به صورت تکراری کاهش دهد تا زمانی که مقداری بهینه از مسئله بهینه سازی فرمول دوقطبی را بدست آورد. نتایج تجربی بر اساس مجموعه داده های مختلف برای اثبات اثربخشی الگوریتم ارائه شده است.