.png){kind=icon}
返回
A randomized block Krylov method for tensor train approximation
.png){kind=icon}
PRE
AI
DOI：10.3389/fams.2026.1824146.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
张量列车分解是一种处理高维大规模张量数据的有力工具，且不受维度灾难的影响。它依赖于对辅助展开矩阵进行奇异值分解（SVD）。一些随机算法已被提出以加速展开矩阵的SVD计算，但它们不适用于含噪声数据。本文提出了一种基于随机块Krylov子空间迭代的低秩张量列车近似随机算法，并提供了理论保证。在合成及真实世界张量数据上进行的大量数值试验展示了所提算法的卓越有效性，尤其是在处理含噪声数据时。
Keyword:
low-rank
randomized algorithm
randomized block Krylov subspace iteration
tensor
tensor train decomposition
期刊
F
IF:
1.5
论文数:
84
被引数:
953
机构
查看更多机构
引用论文
暂无论文信息