Computing Multi-Eigenpairs of High-Dimensional Eigenvalue Problems Using Tensor Neural Networks
本文提出一种基于张量神经网络和深度Ritz方法的机器学习框架,无需Monte-Carlo过程即可高精度计算高维特征值问题的多重特征对,并通过大量数值算例验证了其有效性。
2023-05-22 cs.NA math.NA
An efficient randomized homotopy method to approximate eigenpairs of tensors
MPI MiS Leipzig(莱比锡马克斯·普朗克微电子研究所)
本文提出一种高效的随机算法,用于近似复张量的h-特征对,通过随机输入实现多项式时间内运算。
2018-01-11 cs.NA math.NA
Computing tensor eigenvalues via homotopy methods
Michigan State University(密歇根州立大学);University of Michigan-Flint(密歇根大学弗林特分校)
本文提出张量的广义特征值和特征向量概念,基于混合体积推导特征对数量上界,并提出两种同伦持续算法求解张量特征问题,同时结合启发法与牛顿同伦法提取实特征对,开发了TenEig软件包验证方法有效性。
2016-01-13 cs.NA math.NA
Computing the dominant eigenpair of an essentially nonnegative tensor via a homotopy method
本征值和本征向量理论是张量分析的基本组成部分之一。计算本质非负张量的主特征对是张量计算中的一个重要课题,因为它在网络资源分配中有着重要的应用。在本文中,我们考虑上述主题,有两个主要贡献。首先,我们证明了一个不可约本质非负张量有唯一的正主特征值和唯一的正归一化特征向量。其次,我们提出了一个同伦方法来计算的主导特征对,并证明了它收敛到所需的主导特征对给定的张量是不可约或可约的基础上的近似技术。最后,我们实现了该方法使用的预测-校正方法的路径跟踪和一些数值结果的报告,以说明所提出的算法的效率。
2021-12-31 cs.NA math.NA math.OC
Noda Iteration for Computing Generalized Tensor Eigenpairs
在本文中,我们提出了张量Noda迭代(NI)和它的不精确版本解决的本征值问题的一类特殊的张量对称为广义$\mathcal{M}$ -张量对。广义$\mathcal{M}$ -张量对由一个弱不可约非负张量和一个非奇异$\mathcal{M}$ -张量在一个线性组合中构成。证明了任何广义$\mathcal{M}$ -张量对都存在唯一的正的广义本征值,其特征向量为正.提出了一种改进的张量Noda迭代法(MTNI),用于推广求解非负矩阵特征值问题的Noda迭代法。此外,为了提高算法的实现效率和收敛速度,还引入了不精确广义张量Noda迭代法(IGTNI)和广义Newton-Noda迭代法(GNNI).在对初始值作适当假设的情况下,保证了算法的收敛性。数值实验表明了这些算法的有效性。
2023-03-02 cs.NA math.NA
Preconditioned Locally Harmonic Residual Method for Computing Interior Eigenpairs of Certain Classes of Hermitian Matrices
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文提出预条件局部谐振残差法,用于高效计算广义Hermitian特征值问题的内部本征对,无需传统谱变换或矩阵分解,尤其在内存紧张时表现稳健。
2014-11-13 cs.NA math.NA
A QR Algorithm for Symmetric Tensors
The University of Hong Kong(香港大学)
本文提出对称张量的QR算法(QRST),通过局部排列启发式方法找到多个张量本征对,改进了传统张量幂方法。
2014-11-07 cs.NA math.NA
A Chebyshev--Jackson series based block SS--RR algorithm for computing partial eigenpairs of real symmetric matrices
本文针对给定区间内实对称矩阵部分特征对计算问题,提出用切比雪夫-杰克逊级数展开替代围道积分中的数值求积来近似矩,避免求解大规模位移复线性方程组,并证明了高阶矩的逐点收敛性,在此基础上开发了更高效的 CJ-SS-RR 算法。
2025-08-28 cs.NA math.NA
Semilinear elliptic eigenvalue problem: Parametric analyticity and the uncertainty quantification
本文首次研究参数化半线性椭圆特征值问题,通过证明基态特征对的参数解析性、一致有界性及特征值一致正差,得到混合导数上界估计,并利用随机平移拟蒙特卡洛方法实现维数无关的不确定性量化。
2024-05-01 cs.NA math.NA
Computing the $p$-Laplacian eigenpairs of signed graphs
本研究建立了偶数$p$下图$p$-Laplacian特征问题与张量特征问题的等价性,提出了适用于一般$p>1$的无符号图$p$-Laplacian最大特征对的快速收敛算法,还给出了性能更优的子图判定新准则,揭示了两类谱理论的深层联系。
2025-01-14 cs.NA math.CO math.NA
A homotopy method for computing the largest eigenvalue of an irreducible nonnegative tensor
Amazon Corporate LCC(亚马逊公司);University of Michigan-Flint(密歇根大学弗林特分校);Minnesota State University, Mankato(明尼苏达州立大学曼卡托分校);Seattle University(西雅图大学)
本文提出一种同伦方法计算非负张量的最大特征值及对应特征向量,证明不可约张量下方法收敛,并通过数值实验验证其效率。
2017-01-26 cs.NA math.NA
FieldTNN-based machine learning method for Maxwell eigenvalue problems
本文提出基于FieldTNN的机器学习方法求解2D/3D Maxwell特征值问题,通过扩展TNN方法、处理非张量区域并引入无散度条件自动过滤伪特征对,数值实验验证了算法的效率与精度。
2024-11-24 cs.NA math.NA
Tropical Spectral Theory of Tensors
University of California, Berkeley(加州大学伯克利分校)
本文研究张量的热带特征对,扩展了矩阵的热带谱理论,证明了特征值的存在性和唯一性,并通过超图定义了新的循环类型H-循环,提出通过线性规划高效计算特征值的方法。
2014-10-20 cs.DM cs.NA math.CO
A Variational Characterization and A Line Search Newton-Noda Method for the unifying spectral problem of nonnegative tensors
the Hong Kong Polytechnic University(香港理工大学);Guangdong University of Foreign Studies(广东外语外贸大学);South China Normal University(华南师范大学)
本文提出了一种线搜索牛顿-诺达方法,用于计算非负张量的正(σ,p)-特征对,该方法结合了牛顿法与诺达迭代法,并建立了该方法的全局和二次收敛性。
2025-12-23 cs.NA math.NA math.OC
Computing excited states with isometric tensor networks in two-dimensions
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);California Institute of Technology(加州理工学院)
本文提出一种基于块等距投影纠缠对态(block-isoPEPS)的子空间迭代方法,用于高效计算二维量子多体哈密顿量的激发态,并通过横场伊辛和海森堡模型验证了其可扩展性。
2025-10-22 cs.NA math.NA
A unifying Perron-Frobenius theorem for nonnegative tensors via multi-homogeneous maps
我们引入张量的形状划分的概念,并制定一个一般的张量特征值问题,包括所有以前研究的本征值问题作为特殊情况。我们制定的不可约性和对称性的非负张量$T$在相关的形状分区。我们将$T$的本征值问题转化为一个合适的射影空间乘积上的不动点问题。这使我们能够使用多齐次保序映射的理论来导出一个新的和统一的Perron Frobenius定理的非负张量,这意味着早期的结果,这种或改善他们,因为较弱的假设是必需的。我们介绍了一个通用的功率方法计算的主导张量特征对,并提供了详细的收敛性分析。
2021-02-24 cs.DM cs.NA math.FA
A boundary penalization technique to remove outliers from isogeometric analysis on tensor-product meshes
本文引入边界惩罚技术来改进等几何分析(IGA)的谱近似。当使用$C^{p-1}, p$ -th($p\ge3$)阶等几何元素时,该技术去除了出现在近似谱的高频区域中的离群值。我们专注于经典的拉普拉斯(Dirichlet)本征值问题在一维来说明的想法,然后使用张量积结构来产生的刚度和质量矩阵的多维问题。为了消除离群值,我们惩罚的产品的高阶导数从解决方案和测试空间在域边界。直观地说,我们构造了一个更好的近似弱强加功能的精确解。有效地,我们添加条款的变分制定的边界,以最小的额外计算成本。然后,我们推广的想法,以消除异常值的等几何分析的诺依曼本征值问题($p\ge2$)。边界惩罚不改变测试空间和解空间。在罚函数趋于无穷大的极限情形下,我们对Dirichlet特征值问题的$C^2$三次元和Neumann本征值问题的$C^1$二次元进行了色散分析.我们得到了矩阵本征值问题的解析本征对。数值实验表明,离散算子的特征值和特征函数的最佳收敛速度。
2021-04-29 cs.NA math.NA
A conservative and energy stable discontinuous spectral element method for the shifted wave equation in second order form
本文对二阶位移波方程发展了一种可证明能量稳定的守恒间断谱元方法。所提出的方法结合了非常成功的数值技术的优点和中心思想,求和的部分有限差分法,谱方法和间断Galerkin方法。证明了(1+1)维二阶位移波动方程的能量稳定性和离散守恒原理,并给出了能量范数下的误差估计。能量稳定性的结果,离散守恒原理,和误差估计推广到多维使用张量积的四边形和六面体元素。在(1+1)维和(2+1)维的数值实验中,验证了理论结果,并证明了$L^2$数值误差在亚音速、音速和超音速区域的最优收敛性。
2021-07-12 cs.NA math.NA
Matrix-Free Evaluation of High-Order Shifted Boundary Finite Element Operators
本文提出一种无矩阵移位边界法实现,利用预计算数据和张量积结构高效求值高阶有限元中的移位边界算子,达到每面 O(p^{2d-1}) 复杂度,并验证了其准确性与可扩展性。
2025-07-22 cs.NA math.NA
Extrapolation Methods for fixed-point Multilinear PageRank computations
非负张量在许多涉及大型复杂数据流的应用中非常自然地出现。由于对内存和每步操作次数的要求相对较小,(移位)高阶幂方法是计算这类张量的正Z特征向量的最常用技术之一。然而,与矩阵的情况下,该方法可能无法收敛,甚至不可约张量。而且,当它收敛时,它的收敛速度可能非常慢。这两个缺点往往使计算的特征向量要求或不可行的大型问题。在这项工作中,我们考虑了一类特殊的非负张量相关联的高阶马尔可夫链的多线性PageRank修改。基于简化的拓扑$ε$ -算法的重新启动形式,我们介绍了一种基于外推的加速幂方法类型的算法,即移位不动点方法和内-外方法。加速方法显示出显著更好的性能,具有更快的收敛速度和减少的总计算时间。在合成数据集和真实数据集上进行的大量数值实验证明了所引入的外推技术的优点。
2019-08-26 cs.NA math.NA
Subspace power method for symmetric tensor decomposition
提出子空间幂方法(SPM)计算低秩实对称张量的CP分解,通过交替应用SS-HOPM和deflation步骤,在特定秩条件下证明了收敛性与全局最优性,且无需预知CP秩。
2025-04-05 cs.NA math.NA math.OC
Accelerating the Computation of Tensor $Z$-eigenvalues
针对张量Z-特征值求解需求,本文提出外推法加速移位对称高阶幂法,分析其收敛性与最优参数,设计动态参数自适应方法,数值实验验证了理论与加速效果。
2023-07-21 cs.NA math.NA
Multi-subspace power method for decomposing partially symmetric tensors
John A. Paulson School of Engineering and Applied Sciences, Harvard University(哈佛大学约翰·A·保尔森工程与应用科学学院);Department of Mathematics, University of Georgia(佐治亚大学数学系);Department of Mathematics, University of Texas at Austin(德克萨斯大学奥斯汀分校数学系)
本文提出了一种多子空间幂方法,用于分解任意对称类型的张量,从完全非对称到完全对称。该方法通过高阶幂方法逐步恢复分解项,通过将输入转换为具有正交切片的张量,克服了传统方法中分解项与张量的(pSVT)奇异向量元组之间无必然联系的问题。
2026-05-20 cs.NA math.NA
Radial basis approximation of tensor fields on manifolds: From operator estimation to manifold learning
本文研究闭黎曼子流形上张量场的微分算子RBF近似,提出对称RBF离散方法解决非对称方法的复值谱污染问题,并证明了大样本极限下特征对的收敛性。
2023-11-22 cs.NA math.NA