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

本文研究了张量核范数在 Guassian measurements 下的低秩张量恢复问题，证明了 TNN 是一种特殊的原子范数，并提出了 TNN 最小化问题的解决方案。通过实验验证了理论结果。

Jun, 2018

使用凸松弛方法，基于张量核范数引入的球形约束最小化来恢复低秩张量，引入张量核范数球的适当严格互补条件下获得重要结果，包括线性收敛速度、低秩解的近似线性运行时间，在非平滑目标函数中类似结果可用于 extragradient 方法，并扩展了先前仅适用于三阶张量的许多基本结果。

Aug, 2023

该论文研究了如何通过欧几里得球的凸松弛和乘子法方法解决张量学习中由于痕迹规范化限制而存在的限制，并在合成和真实数据集上对该方法进行了验证，表明其估计误差显著降低，同时保持计算可行性。

Jul, 2013

本文研究了低秩矩阵恢复问题中所需的最少线性测量的理论问题，证明了针对一组随机测量系列，所需的测量数量为 m >= 4nr-4r^2，足以保证测量算子的零空间中不存在任何秩为 2r 的矩阵，同时保证所有秩为 r 的矩阵均匀恢复，这一 m 值恰好匹配了所有秩为 2r 矩阵的流型的维度。

Mar, 2011

针对具有一定次数的 n 维张量，在一定的次高斯假设下，我们通过覆盖数量的论证，证明其谱范数的上界与张量各维度大小之和及其对数成正比，从而得出该张量的核范数具有较低样本复杂度，该结论相比于其他基于展开的张量低秩凸松弛方法而言具有更小的复杂度。

Jul, 2014

本文研究的是如何恢复一个结构化模型的问题，我们探讨了使用多目标优化得到的结果与只利用其中一个结构的算法的结果相当的现象。此外，我们还详细研究了稀疏低秩矩阵恢复问题所需的样本数，证明了本文提出的非凸公式在这种情况下表现比凸公式更好。

Dec, 2012

该论文探讨了如何从其少量项目中恢复未知矩阵的问题，提出使用 “核规范” 法将矩阵恢复降低至在信息论极限附近的数列，以有效提高了恢复矩阵的准确性。

Mar, 2009

本文介绍了通过测量映射来恢复不完整且可能带有噪声的低秩矩阵，探讨了通过凸优化推导恢复结果的条件。并阐述了通过测量矩阵实现 Frobenius 内积和独立标准高斯随机矩阵来恢复秩最多为 r 的 n1 × n2 矩阵的恢复结果等。最后，对量子物理和相位回收问题的应用进行了讨论。

Jul, 2015

本文提出了一种使用一组非凸假设函数对矩阵奇异值进行 $L_0$- 范数逼近的非凸非光滑极小值问题，并采用 Iteratively Reweighted Nuclear Norm (IRNN) 算法进行求解。本文在合成和真实图像数据上进行了广泛的实验，证明了 IRNN 相比最先进的凸算法增强了低秩矩阵恢复的效果。

Oct, 2015