An adaptive low-rank splitting approach for the extended Fisher--Kolmogorov equation
针对扩展Fisher--Kolmogorov方程,提出全秩分裂格式与秩自适应低秩分裂方法,证明收敛性与最大值原理,数值实验验证其稳健、精确,并保持能量耗散与离散最大值原理。
2022-10-28 cs.NA math.NA
On the equivalence between low rank matrix completion and tensor rank
本文探讨了低秩矩阵补全与张量秩问题的等价性,证明三者可相互转换。
2015-01-09 cs.NA math.NA
An adaptive algebraic multigrid algorithm for low-rank canonical tensor decomposition
University of Waterloo(滑铁卢大学)
针对低秩R的规范张量分解,提出一种基于自适应代数多重网格和交替最小二乘的多重网格算法,在要求高精度时显著优于单独使用ALS。
2011-11-25 cs.NA math.NA
Rank-adaptive time integration of tree tensor networks
提出并分析了一种基于树型张量网络的高阶张量微分方程近似解的秩自适应积分器。在从叶到根的递归过程中,积分器更新基,然后在由新基和旧基构成的增广子空间中通过Galerkin方法演化连接张量。这之后是在指定的误差容限内的秩截断。存储器的要求是线性的张量的顺序和线性的最大模式尺寸。该积分器对连接张量矩阵化的小奇异值具有鲁棒性。在给定的误差容限范围内,直到截断误差的秩,积分器保持Schr范数和能量Odinger方程,它耗散了梯度系统中的能量。一个基本量子自旋系统的数值实验说明了所提出的算法的行为。
2022-07-25 cs.NA math.NA
High-Dimensional Uncertainty Quantification via Active and Rank-Adaptive Tensor Regression
基于随机谱方法的不确定度量化存在维数灾难问题。这个问题最近通过低秩张量方法得到缓解。然而,基于低秩张量的不确定性量化存在两个基本挑战:如何自动确定张量秩和如何选取模拟样本。本文提出了一种新的张量回归方法来解决这两个挑战。我们的方法使用$\ell_{q}/ \ell_{2}$ -范数正则化来确定张量秩和估计的Voronoi图来挑选信息样本进行模拟。该框架通过19维语音带通滤波器和57维CMOS环形振荡器进行了验证,分别仅用90和290个样本就能很好地捕获高维不确定性。
2021-02-02 cs.NA math.NA
A Nodal Discontinuous Galerkin Method with Rank-Adaptive Velocity Space Representation for the Multiscale BGK Model
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Swarthmore College(斯沃斯莫尔学院);Virginia Polytechnic and State University(弗吉尼亚理工大学);University of Delaware(特拉华大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
提出一种混合算法,在速度子空间应用秩自适应分解,物理空间保持满秩表示,结合节点间断伽辽金空间离散、速度网格秩自适应分解及隐式-显式龙格-库塔时间积分,利用辅助矩方程处理小碰撞时间极限,通过经典气体动力学问题验证精度、计算复杂度和鲁棒性。
2026-06-08 cs.NA math.NA
Rank adaptive tensor recovery based model reduction for partial differential equations with high-dimensional random inputs
ShanghaiTech University(上海科技大学)
本文提出了一种基于秩自适应张量恢复的系统降维方法,用于处理具有高维随机参数的偏微分方程模型。通过核主成分分析在降维空间中构造随机格点近似,针对高维随机输入问题开发了新的高效秩自适应张量恢复方法,并提出了非凸优化问题中的新高效初始化策略,建立了总体降维方法的数学框架,分析了其稳定性,并通过数值实验展示了其效率。
2019-02-14 cs.NA math.NA
Highly Efficient Rank-Adaptive Sweep-based SI-DSA for the Radiative Transfer Equation via Mild Space Augmentation
Texas Tech University(德州理工大学);The Hong Kong University of Science and Technology(香港科技大学)
本文提出一种高效的秩适应性扫掠SI-DSA方法,通过温和的空间增强实现低秩求解,减少内存和计算时间,适用于多尺度问题。
2026-07-15 cs.NA math.NA
A Novel Adaptive Low-Rank Matrix Approximation Method for Image Compression and Reconstruction
提出EOD-ABE方法,通过随机基提取机制自适应识别最优秩,实现低秩矩阵近似,计算复杂度为$O(mnr)$,在图像压缩与重建及高光谱图像降维中展现优越速度与精度。
2025-06-28 cs.NA math.NA
A multi-fidelity adaptive dynamical low-rank based optimization algorithm for fission criticality problems
针对核系统主特征值计算的高内存与计算成本问题,提出一种在逆幂迭代中动态调整秩的多保真度自适应低秩优化算法,并成功应用于简化核反应堆的临界参数优化。
2024-09-23 cs.NA math.NA
Adaptive Near-Optimal Rank Tensor Approximation for High-Dimensional Operator Equations
RWTH Aachen(亚琛工业大学)
本文提出结合低秩张量逼近与自适应基函数的迭代方案,分析其收敛性并给出计算复杂度界,验证了高维问题的可控求解精度。
2013-11-20 cs.NA math.NA
Efficient adaptive randomized algorithms for fixed-threshold low-rank matrix approximation
本文提出一种基于递归分块收缩的自适应随机秩揭示算法,用于固定阈值低秩矩阵逼近,提供了可证明的谱误差与Frobenius误差分析,在图像处理等应用中比已知Lanczos方法更高效可靠。
2025-08-11 cs.NA math.NA
Hierarchical adaptive low-rank format with applications to discretized PDEs
提出了一种新的压缩矩阵格式,它结合了自适应分层划分的矩阵与低秩近似。一个典型的应用是矩形域上离散函数的近似;格式的灵活性使得可以处理在小的局部区域中具有奇异性的函数。为了处理奇异点的时间演化和重新定位,可以基于底层数据的特征动态地调整分区。我们的格式可以被利用来有效地解决线性系的克罗内克产品结构,因为它们产生于离散的偏微分方程(PDE)。为此,这些线性系被改写为线性矩阵方程,并从这些方程的低秩更新推导出递归求解器。我们证明了我们的框架的稳定性和时间依赖性,线性和非线性偏微分方程,包括伯格斯和艾伦-卡恩方程的有效性。
2021-11-04 cs.NA math.NA
Exploiting the structure effectively and efficiently in low rank matrix recovery
低秩模型起源于广泛的应用,包括机器学习、信号处理、计算机代数、计算机视觉和成像科学。低秩矩阵恢复是关于从不完整的测量重构低秩矩阵。在这项调查中,我们回顾了低秩矩阵恢复的最新进展,重点放在三个典型的情况下:矩阵传感,矩阵完成和相位检索。综述了该问题的有效和高效的方法,包括核范数最小化,基于矩阵分解的投影梯度下降,以及基于低秩矩阵嵌入流形的黎曼优化。数值配方不同的方法强调,同时伴随着相应的理论恢复保证。
2018-09-11 cs.NA math.NA
Fast adaptive tubal rank-revealing algorithm for t-product based tensor approximation
本文提出一种自适应随机算法,用于揭示数据张量的管秩并高效计算低管秩近似,无需预知管秩或傅里叶域奇异值,在图像处理和背景建模任务中验证了有效性。
2025-08-12 cs.NA math.NA
A stable rank-adaptive step-and-truncate finite volume method for Vlasov transport on domains with piecewise linear boundaries
University of Augsburg(奥格斯堡大学);HTW Berlin – University of Applied Sciences(柏林应用科学大学)
该研究提出稳定的秩自适应步长截断有限体积法,求解分段线性边界区域带流入条件的Vlasov输运方程,低秩近似可处理大规模相空间离散,误差有界且继承稳定性,实验验证其有效性。
2026-09-03 cs.NA math.NA
A rank-adaptive higher-order orthogonal iteration algorithm for truncated Tucker decomposition
Peking University(北京大学)
提出了一种新的秩自适应高阶正交迭代(HOOI)算法,在给定的误差容限下计算高阶张量的截断Tucker分解,并证明了该算法是局部最优的和单调收敛的.一系列的数值实验进行了相关的合成和现实世界的张量,以表明所提出的秩自适应HOOI算法是在精度和效率方面的优势。对HOOI算法和经典的交替最小二乘法进行了进一步的分析,以进一步理解为什么可以将秩自适应引入HOOI算法以及它是如何工作的。
2021-10-25 cs.LG cs.NA math.NA
A robust collision source method for rank adaptive dynamical low-rank approximation in radiation therapy
辐射输运的确定性模型描述了穿过背景材料的辐射粒子的密度。在放射治疗应用中,该密度的相空间由能量、空间位置和飞行方向组成。由此产生的六维相空间禁止精细的数值离散化,这是必不可少的准确和可靠的治疗计划的建设。在这项工作中,我们处理高维相空间通过一个动态的低秩近似的粒子密度。动态低秩近似(DLRA)在时间上演化低秩流形上的解。将能量变量解释为伪时间,可以让我们采用DLRA框架来表示每个能量的低秩流形上的辐射输运方程的解。刚性散射项通过有效的隐式能量离散化处理,并选择秩自适应积分器来动态地调整能量的秩。为了方便边界条件的使用和降低总秩,辐射输运方程通过碰撞源方法分为碰撞和非碰撞粒子。未碰撞的粒子由保证低计算成本的有向求积集描述,而碰撞的粒子由低秩解表示。结果表明,在不依赖于刚性散射项的时间步长约束下,该方法是L $^2$稳定的.此外,散射的隐式处理不需要矩阵的数值反演。放射治疗配置以及线源基准的数值结果强调了所提出的方法的效率。
2021-11-13 cs.NA math.NA
Stabilization of a matrix via a low rank-adaptive ODE
本文针对不稳定结构矩阵的稳定化问题,提出一种基于矩阵常微分方程驻点的两级方法,并利用自适应秩积分器保持低秩结构,从而高效处理高维问题。
2024-02-22 cs.NA math.NA
A Rank Revealing Randomized Singular Value Decomposition (R3SVD) Algorithm for Low-rank Matrix Approximations
本文提出R3SVD算法,通过正交高斯采样逐步构建低秩近似,并自适应估计秩以捕捉矩阵主要特征。算法在图像压缩和矩阵补全中验证了有效性。
2016-05-26 cs.NA math.NA
An adaptive dynamical low-rank optimizer for solving kinetic parameter identification problems
University of Wuerzburg(维尔茨堡大学);University of Innsbruck(因斯布鲁克大学);Norwegian University of Life Sciences(挪威生命科学大学)
针对动力学方程参数识别反问题计算和内存开销大的问题,提出一种动态低秩格式,利用拉格朗日重构推导伴随方程并结合梯度下降与自适应DLRA,显著降低了内存与计算成本并验证了准确性。
2026-10-06 cs.NA math.NA
Adaptive Low-Rank Methods: Problems on Sobolev Spaces
本文提出了一种基于子空间低秩张量格式的迭代求解器,用于高维二阶椭圆问题,通过自适应确定子空间和稀疏近似,克服了秩增长与精度控制的障碍,同时验证了方法在高维空间中的有效性。
2014-07-18 cs.NA math.NA
An Adaptive-rank Approach with Greedy Sampling for Multi-scale BGK Equations
本研究提出带贪婪采样的自适应秩方法用于多尺度BGK方程模拟,拓展原有半拉格朗日自适应秩框架,引入局部宏观守恒校正保证守恒性与条件渐近保持性,支持大时间步长,数值验证了其捕捉激波的精度和宽克努森数混合区域的鲁棒性。
2025-09-05 cs.NA math.NA
Tensor Sandwich: Tensor Completion for Low CP-Rank Tensors via Adaptive Random Sampling
本文提出一种结合矩阵补全与抗噪Jennrich算法的自适应张量补全方法,以$\mathcal{O}(nr\log^2 r)$样本高概率补全低CP秩张量,并通过实验验证其有效性。
2023-07-03 cs.NA math.NA
Rank-adaptive tensor methods for high-dimensional nonlinear PDEs
提出了一种新的秩自适应张量方法来计算高维非线性偏微分方程的数值解。该方法结合了功能张量训练(FTT)系列扩展,运营商分裂时间积分,和一个新的秩自适应算法的阈值标准的基础上,限制的PDE速度矢量的分量正常的FTT张量流形。这就产生了一个方案,可以添加或删除张量模式自适应的PDE解决方案的时间积分进行。新方法的目的是提高高维问题数值积分的计算效率、精度和鲁棒性。特别是,它克服了与动态张量积分相关的众所周知的计算挑战,包括低秩建模误差和需要在每个时间步长反转张量核的协方差阵。介绍并讨论了二维线性和非线性平流问题以及四维福克-普朗克方程的数值应用。
2021-04-24 cs.NA math.NA physics.comp-ph
Recovery of Sparse and Low Rank Components of Matrices Using Iterative Method with Adaptive Thresholding
Advanced Communication Research Institute (ACRI), Electrical Engineering Department, Sharif University of Technology(德黑兰理工大学先进通信研究院)
本文提出一种利用自适应阈值迭代方法恢复矩阵稀疏和低秩成分的算法,通过阈值操作获取低秩和稀疏成分,具有高效性和易实现性,并在非稀疏噪声应用中表现出良好的性能。
2017-04-12 cs.NA math.NA stat.ML
High-order Adaptive Rank Integrators for Multi-scale Linear Kinetic Transport Equations in the Hierarchical Tucker Format
本文提出一种基于宏观-微观分解和分层Tucker分解的自适应秩积分器,结合高阶时间与空间离散及高阶奇异值分解,用于高效求解高维线性动理学输运方程,并在基准问题中验证了其精度与压缩优势。
2025-09-08 cs.NA math.NA physics.comp-ph
Multilevel Adaptive-Rank Methods for Linear and Nonlinear Systems in the Hierarchical Tucker Format
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);Sandia National Laboratories(桑迪亚国家实验室)
针对高维偏微分方程,提出多水平自适应秩迭代方法,通过扩展投影法实现灵活预条件、构建多水平预条件策略并集成到非精确牛顿框架中,实验表明该方法鲁棒且可扩展。
2026-06-23 cs.NA math.NA physics.comp-ph
Generalized rank-constrained matrix approximations
本文给出了Frobenius范数下秩约束矩阵逼近的显式解,推广了经典的低秩矩阵逼近问题。
2006-03-29 cs.NA math.NA math.OC
A matrix and its inverse: revisting minimal rank completions
本文重新审视了连接矩阵及其逆的三角部分的最小秩的公式,并将其与结构秩矩阵相关联,同时讨论了泛型最小秩问题。
2006-08-04 cs.NA math.NA math.RA
Adaptive low-rank approximation and denoised Monte-Carlo approach for high-dimensional Lindblad equations
École des Ponts and Inria(巴黎路桥学院与法国国家信息与自动化研究所);Centre Automatique et Systèmes, Mines-ParisTech, PSL Research University(自动与系统中心,巴黎矿业学院,PSL研究大学)
本文提出两种方法用于求解李普尔方程:自适应低秩近似和去噪蒙特卡罗方法,用于高维情况下的高效模拟。
2015-11-27 cs.NA math.NA quant-ph
Analytical formulas for calculating the extremal ranks of the matrix-valued function $A + BXC$ when the rank of $X$ is fixed
CEMA, Central University of Finance and Economics(中央财经大学经济与管理定量研究中心)
本文利用 $A$, $B$, $C$ 的同步分解和初步结果,建立了当变量矩阵 $X$ 的秩固定时,$A + BXC$ 的最大和最小秩的解析公式,并应用于部分指定分块矩阵的秩补全。
2013-01-16 cs.NA math.NA math.OC
Min-plus algebraic low rank matrix approximation: a new method for revealing structure in networks
University of Bath(巴斯大学)
本文提出min-plus低秩矩阵近似方法,通过使用min和plus运算代替传统矩阵乘法中的plus和times,能检测到不同于PCA等传统方法的网络结构特征。
2017-08-22 cs.NA cs.SI math.NA
Distance to nearest skew-symmetric matrix polynomials of bounded rank
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
本文提出了一种算法,用于近似给定矩阵多项式为有限秩的反对称矩阵多项式,并通过数值实验验证了其有效性。
2026-01-23 cs.NA math.NA math.OC
A two-phase rank-based algorithm for low-rank matrix completion
本文提出一种两阶段基于秩的矩阵补全算法,结合拟Fejér收敛分析和Nesterov型加速机制,为加速Soft-Impute提供热启动,实验表明其恢复低秩矩阵的精度和速度均优于现有成熟算法。
2022-04-11 cs.NA math.NA math.OC
On the geometry of border rank algorithms for n x 2 by 2 x 2 matrix multiplication
研究n×2与2×2矩阵乘法的边界秩算法几何特性,提出新的分析方法和优化策略。
2015-09-28 cs.NA math.AG math.NA
A Riemannian rank-adaptive method for higher-order tensor completion in the tensor-train format
本文提出一种黎曼秩自适应方法(RRAM),通过黎曼共轭梯度算法在固定秩流形上优化并结合切锥下降方向与TT-rounding算法实现秩的自适应增减,有效解决了张量列车格式的低秩张量补全问题,且计算时间优于现有方法。
2024-02-19 cs.NA math.NA math.OC
Krylov-based Adaptive-Rank Implicit Time Integrators for Stiff Problems with Application to Nonlinear Fokker-Planck Kinetic Models
提出基于扩展 Krylov 子空间的高阶自适应秩隐式时间积分器,结合残差与局部截断误差控制秩,并在 LBFP 模型中实现三阶精度、平衡保持及质量、动量和能量守恒。
2024-04-03 cs.NA math-ph math.MP
Stable rank-adaptive Dynamically Orthogonal Runge-Kutta schemes
本文提出稳定的秩自适应动态正交龙格-库塔格式,通过新型稳定回缩和梯度下降机制动态更新低秩子空间,在多个微分方程上降低误差累积并兼顾精度与效率。
2023-08-07 cs.CE cs.NA math.DS
High-Dimensional Uncertainty Quantification via Tensor Regression with Rank Determination and Adaptive Sampling
University of California, Santa Barbara(加州大学圣巴巴拉分校)
制造工艺的变化可以显著影响纳米级电子和光子电路的性能和产量。随机谱方法在量化过程变化的影响方面取得了巨大的成功,但它们受到维数灾难的影响。最近,低秩张量方法已经被开发出来,以减轻这个问题,但两个基本的挑战仍然存在:如何自动确定张量秩和如何自适应地选择信息的模拟样本。本文提出了一种新的张量回归方法来解决这两个挑战。我们使用$\ell_{q}/ \ell_{2}$组稀疏正则化来确定张量秩。由此产生的优化问题可以有效地解决通过交替最小化求解器。我们还提出了一个两阶段的自适应采样方法,以减少模拟成本。我们的方法通过估计Voronoi细胞体积和非线性测量分别考虑勘探和开发。仿真结果表明,该方法仅用100~600个仿真样本就能很好地捕捉到由19~100个随机变量引起的不确定性。
2021-06-27 cs.LG cs.NA math.NA
Greedy Approach for Low-Rank Matrix Recovery
我们描述了简单的贪婪矩阵完成算法提供了一个有效的方法,从不完整的损坏的条目恢复低秩矩阵。我们提供的数值证据表明,即使在最简单的实现,贪婪的方法可能会增加现有算法的恢复能力显着。
2013-04-15 cs.IT cs.NA math.IT
A Schatten-$q$ Low-rank Matrix Perturbation Analysis via Perturbation Projection Error Bound
本文研究了扰动下低秩矩阵奇异值分解估计的Schatten- $q$误差。我们通过扰动投影误差界建立了低秩矩阵估计的扰动界。然后,我们建立了下界来证明低秩矩阵估计误差的上界的紧性。基于矩阵扰动投影误差界,我们进一步给出了奇异子空间扰动的正弦$Θ$界。最后,我们通过模拟证明了我们的结果比文献中的结果的优势。
2021-08-12 cs.NA math.NA math.ST
Adaptive Stochastic Gradient Descent on the Grassmannian for Robust Low-Rank Subspace Recovery and Clustering
Nanjing University of Information Science and Technology(南京信息工程大学)
本文提出GASG21算法,通过在Grassmann流形上进行自适应随机梯度下降,实现从大矩阵中鲁棒地恢复低秩子空间,并通过K子空间扩展实现对受损数据的聚类。
2015-04-18 cs.CV cs.NA math.NA
Typical and Generic Ranks in Matrix Completion
我们从几何的角度考虑低秩矩阵的精确完备化问题:给定一个部分填充矩阵M,我们保持指定和未指定元素的位置固定,并研究最小完备秩如何依赖于已知元素的值.如果矩阵的元素是复数,则对于指定和未指定元素的位置的固定模式,存在以正概率出现的唯一完成秩。我们称这个等级为通用完成等级。在实数上,可以有多个以正概率出现的秩;我们称之为典型的完成秩。我们正式介绍这些概念,并提供了一些不等式和确切的结果,典型的和通用的不同家庭的模式的已知和未知的条目的排名。
2019-09-22 cs.NA math.AG math.NA