本文研究了稀疏计数数据的多线性建模问题，提出了一个以泊松分布为假设的描述性张量分解模型和相应的算法和理论，并介绍了一种基于主导极小化方法的泊松张量分解算法，称为 CP-APR，并在几个数据集上的结果得到了验证。

Dec, 2011

本文探讨了基于 Kullback-Leibler divergence 函数的适当的标准交替块变量方法的正定多项式张量分解的有效技术，并提出了新的子问题解算器来利用结构并将优化问题重新表述为小的独立子问题，使用有界的 Newton 和拟牛顿方法。与其他代码比较，表明我们的算法具有更快的速度，能够获得高精度的结果，并迅速找到稀疏解。

Apr, 2013

通过研究称为均匀正则化比例不变的更一般模型，本文证明了低秩逼近模型中的比例不变性带来了隐式正则化，具有意想不到的有益和有害效果，并根据这一观察加强了正则化函数在低秩逼近模型中的作用理解，以引导正则化超参数的选择，并设计平衡策略以提高优化算法的收敛速度。

Mar, 2024

该研究研究了非负张量的非负秩一近似问题，并表明最小化广义 KL 散度的全局最优解可以高效地获得。研究者导出了 KL 主成分的一个封闭式表示，用于高阶的泛化 KL 近似，该问题首次被证明等价于多项式潜变量建模，并导出了类似于期望最大化算法的迭代算法，作者演示了如何利用推导结果在鸢尾花数据集上进行无监督学习，并获得比监督方法表现更好的结果。

Nov, 2017

该研究论文旨在研究非负矩阵分解问题，提出适用于每个常数 r 的精确和近似 NMF 的多项式时间算法，同时在 3-SAT 子指数时间算法假设下展示了精确 NMF 的难度证明，并提供了一个可以运行在 n，m 和 r 的多项式时间内的算法，该算法对输入具有可分离性的假设，并可将该算法应用于许多实际设置中。

Nov, 2011

本文提出了用于计数张量数据的贝叶斯非负张量分解模型，并开发了可用于处理海量张量的可扩展推理算法（批处理和在线推理），以及一系列实际应用。

Aug, 2015

论文提出了一种基于随机低秩算法和张量拟合方法的、无模型且在线的环境中的 VF 矩阵估计算法，有效地解决了高维状态空间下基于线性或神经网络的 VF 估计方法的维度灾难问题，得到了满意的性能评估效果。

Jan, 2022

本文探讨了在张量补全中使用矩阵补全技术的不足之处，并证明了直接最小化张量核范数的凸优化方法对于提高样本需求是有益的。我们通过开发一系列代数和概率技术来建立结果，例如张量核范数的次微分的表征以及张量鞅的浓度不等式，这可能对其他张量相关问题具有独立的兴趣和有用性。

May, 2014

本文提出了 MahNMF 方法以及 5 种扩展，用于处理非负矩阵。利用两种算法，即秩一残留迭代（RRI）方法和 Nesterov 的平滑方法，有效地优化了 MahNMF 和其扩展。MahNMF 方法在处理重尾部的拉普拉斯噪声时，能够很好地拟合数据，是一种鲁棒性较强的方法。

Jul, 2012

本文介绍了一种基于非负矩阵因式分解和补全问题的算法，可以通过同时利用非负性和低秩性来获得更好的结果，并通过基于交替方向增广 Lagrange 方法的算法来解决该问题。该算法优于现有算法，并可用于恢复不完整图像。

Mar, 2011