Bibliografie

(eng): We propose a new additive decomposition of probability tables - tensor rank-one decomposition. The basic idea is to decompose a probability table into a series of tables, such that the table that is the sum of the series is equal to the original table. Each table in the series has the same domain as the original table but can be expressed as a product of onedimensional tables. We show that tensor rank-one decomposition can be used to reduce the space and time requirements in probabilistic inference. We provide a closed form solution for minimal tensor rank-one decomposition for some special tables.

(cze): Navrhujeme nový typ součtového rozkladu pravděpodobnostních tabulek - rozklad na tenzory ranku 1. Základní myšlenka je rozložit pravděpodobnostní tabulku na posloupnost tabulek tak, že součet posloupnosti je roven původní tabulce. Každá tabulka v posloupnosti má stejnou množinu indexů jako původní tabulka, ale může být vyjádřena jako součin jednorozměrných tabulek. Ukazujeme, že rozklad na tenzory ranku 1 může být použit k redukci prostorové a časové složitosti pravděpodobnostní inference. Podáváme explicitní řešení pro minimální rozklad na tenzory ranku 1 pro některé speciální tabulky