首页/论文/2001.07202

arXiv 2001.072022020-01math.NAcs.NAmath.RAmath.RT

张量克罗内克积下的核规范

Nuclear Norm Under Tensor Kronecker Products

Robert Cochrane

备注：: 8 pages, 0 figures. Previous version includes proofs of the statements contained in Remark 2. These results were found to have been shown previously, by Kong, Lee and Wang, in "New estimations on the upper bounds for the nuclear norm of a tensor"

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

德克森证明了谱范数对于垂直张量积（也称为张量克罗内克积）是乘法的。我们将用这个结果来证明核范数和其他感兴趣的范数关于垂直张量积也是乘法的。

英文摘要：

Derksen proved that the spectral norm is multiplicative with respect to vertical tensor products (also known as tensor Kronecker products). We will use this result to show that the nuclear norm and other norms of interest are also multiplicative with respect to vertical tensor products.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

通过交替 SDP 实现谱范数下算子的 Kronecker 积逼近

Kronecker Product Approximation of Operators in Spectral Norm via Alternating SDP

针对线性算子在谱范数下的 Kronecker 积逼近难题，提出基于半定规划的交替优化方法，以获得优于 Frobenius/SVD 解的高质量逼近。

2023-12-07cs.NAmath.AGmath.NA

理解线性代数的克罗内克矩阵-向量复杂度

Understanding the Kronecker Matrix-Vector Complexity of Linear Algebra

本文研究仅通过克罗内克结构向量的矩阵-向量乘积访问矩阵的计算模型，证明估计迹和最大特征值等性质的指数下界，揭示小字母表查询与高斯查询的复杂度差异，其根源是克罗内克结构随机向量内积的指数级减小。

2025-02-13cs.DScs.NAmath.NA

关于多维数组处理中的符号约定

About Notations in Multiway Array Processing

本文重新定义了向量化和矩阵化算子以符合Kronecker积的性质，采用不同符号表示张量积和Kronecker积，并回顾了数组正态分布的有用但鲜为人知的性质。

2016-02-03cs.NAmath.NA

快速随机Kronecker张量分解：算法与误差分析

Fast randomized Kronecker tensor decomposition: algorithms and error analysis

Research Center of the Artificial Intelligence Institute, Innopolis University（因诺波利斯大学人工智能研究院研究中心）；Lab of Machine Learning and Knowledge Representation, Innopolis University（因诺波利斯大学机器学习与知识表示实验室）；Peoples’ Friendship University of Russia（俄罗斯人民友谊大学）；Department of Teleinformatics Engineering, Federal University of Ceara（塞阿拉联邦大学电信信息工程系）；School of Information and Communication Engineering, University of Electronic Science and Technology of China (UESTC)（电子科技大学信息与通信工程学院）

该研究针对Kronecker张量分解问题，提出用含过采样和幂迭代的随机SVD替代确定性SVD的快速算法，能显著加快分解速度，经理论分析和实验验证，相比确定性方法有数量级加速，且可应用于多种领域。

2026-07-22cs.NAmath.NA

三阶张量的谱范数与核范数

Spectral Norm and Nuclear Norm of a Third Order Tensor

三阶张量的谱范数和核范数在张量完备化和恢复问题中起着重要的作用。证明了一个三阶张量的谱范数等于三个半正定双二次张量的谱范数的平方根，并且这三个半正定双二次张量的核范数的平方根是该三阶张量的核范数的下界.这提供了一种方法来估计和评估谱范数和核范数的三阶张量。利用某些对称矩阵的谱半径和核范数，给出了三阶张量的谱范数和核范数的上、下界。

2019-09-30cs.NAmath.NA

张量及其矩阵展开的核范数关系

Relations of the Nuclear Norms of a Tensor and its Matrix Flattenings

Tianjin University（天津大学）；National University of Singapore（新加坡国立大学）

研究了张量及其矩阵展开的核范数关系，证明了矩阵展开的核范数是张量核范数的下界，并给出了上界。结果可推广至N维张量，当N=3时，上下界均为紧致。

2014-12-08cs.NAmath.NA

更多相关论文收起更多论文

缩放核范数最小化用于低秩张量补全

Scaled Nuclear Norm Minimization for Low-Rank Tensor Completion

Columbia University（哥伦比亚大学）

本文提出通过最小化张量展开的加权核范数之和来恢复低TT秩张量，证明该方法相比传统核范数求和方法更高效，需更少样本即可恢复原始张量。

2017-07-25cs.NAmath.NAstat.ML

满秩线性最小二乘解谱条件数的秩2矩阵核范数

Nuclear Norms of Rank 2 Matrices for Spectral Condition Numbers of Full Rank Linear Least Squares Solutions

本文通过秩2矩阵的核范数优化问题，给出了满秩线性最小二乘问题解的谱条件数，并推导了已知最佳上下界，解释了封闭公式的不可能性。

2010-11-30cs.NAmath.NA

关于核范数与张量的奇异值分解

On the Nuclear Norm and the Singular Value Decomposition of Tensors

求张量的秩是一个有许多应用的问题。不幸的是，通常很难确定给定张量的秩。受凸松弛理论的启发，我们考虑了核范数而不是张量的秩。我们确定各种感兴趣的张量的核范数。同时，我们还系统地研究了张量积空间中正交性的各种度量，并将奇异值分解推广到高阶张量。

2014-04-21cs.NAmath.NAmath.OC

图像和视频补全的张量核范数和全变差正则化

On the tensor nuclear norm and the total variation regularization for image and video completion

本文提出了三阶张量张量完备化的两个新算法。所提出的方法包括使用其近似函数，即张量核范数，最小化基本张量的平均秩，然后通过使用全变差正则化技术获得恢复的数据。我们将采用乘子的交替方向法（ADM），利用张量积，解决与这两种算法相关的主要最优化问题。在最后一节中，我们提出了一些数值实验和最知名的图像完成方法的比较。

2021-02-20cs.NAmath.NA

强极小值的几何刻画及其在核范数最小化问题中的应用

Geometric characterizations for strong minima with applications to nuclear norm minimization problems

针对优化问题的强极小值，本文提出若干几何刻画，并将其用于核范数最小化，得到比既有唯一性条件更弱的充要定量条件及低秩矩阵精确恢复的紧测量界。

2023-08-18cs.NAmath.NAmath.OC

基于正则化核范数最小化的低秩矩阵恢复

Low-rank matrix recovery via regularized nuclear norm minimization

本文在无约束正则核范数最小化（RNNM）框架下，从理论上研究了低秩矩阵恢复问题。我们的理论研究结果表明，RNNM方法能够提供一个强大的恢复任何矩阵$X$（不一定是完全低秩）从它的几个噪声测量$\textbf{b}=\mathcal{A}(X)+\textbf{n}$与有界约束$\|\textbf{n}\|_{2}\leqε$，提供的$tk$阶限制等距常数（RIC）的$\mathcal{A}$满足一定的约束有关$t>0$。具体地，发现在$t>4/3$的情况下获得的恢复条件与之前由Cai和Zhang（2014）建立的尖锐条件相同，以保证通过约束核范数最小化方法精确恢复任何秩- $k$矩阵。更重要的是，据我们所知，我们是第一个建立$tk$阶RIC的鲁棒零空间属性的系数估计的情况下，$0<t\leq1$。

2021-03-06cs.NAmath.NA

核规范球上通信高效的异步随机Frank-Wolfe

Communication-Efficient Asynchronous Stochastic Frank-Wolfe over Nuclear-norm Balls

University of Texas at Austin（德克萨斯大学奥斯汀分校）

大规模机器学习训练面临两个挑战，特别是对于分布式系统的核规范约束问题：由于分散的工人而导致的同步速度减慢，以及高通信成本。在这项工作中，我们提出了一个异步随机弗兰克沃尔夫（SFW-asyn）的方法，这是第一次，同时解决了这两个问题，同时成功地保持了相同的收敛速度香草SFW。我们在python中实现了我们的算法（使用MPI），并在Amazon EC2上运行，并证明了与vanilla SFW相比，SFW-asyn的速度几乎与机器数量成线性关系。

2019-10-17cs.DCcs.LGcs.NA

两种新的基于和核范数的低秩张量完备化方法

Two New Low Rank Tensor Completion Methods Based on Sum Nuclear Norm

Northwest A&F University（西北农林科技大学）；University of Texas of the Permian Basin（德克萨斯大学帕米亚盆地分校）

低秩张量完备化问题在计算机视觉和信号处理领域引起了广泛的关注。如何获得高质量的图像恢复效果仍然是目前亟待解决的课题。提出了一种新的张量$L_{2,1}$范数极小化模型（TLNM），该模型将基于核范数的和核范数（SNN）方法与$L_{2,1}$范数和卡塔尔里亚尔分解相结合，用于求解LRTC问题.为了提高图像局部先验信息的利用率，引入全变差（TV）正则化项，得到一类新的张量$L_{2,1}$范数最小化与全变差模型（TLNMTV）。这两个模型都是凸的，因此具有全局最优解。此外，我们采用交替方向乘子法（ADMM），以获得每个变量的封闭形式的解决方案，从而确保算法的可行性。数值实验表明，这两种算法都是收敛的，并且优于比较的算法。特别是，当高光谱图像的采样率为2.5%时，我们的方法明显优于对比方法。

2022-07-11cs.CVcs.LGcs.NA