Apr, 2019
基于流数据的张量低秩 Tucker 近似
Low-Rank Tucker Approximation of a Tensor From Streaming Data
Yiming Sun, Yang Guo, Charlene Luo, Joel Tropp, Madeleine Udell
TL;DR论文介绍了一种新的低 Tucker 秩逼近张量的算法，该算法采用随机线性映射来获得捕捉每个模式内重要方向及模式间交互的草图，并且可以通过流式数据或对张量进行一次传递来提取草图，同时它的存储量取决于 Tucker 逼近输出中的自由度，该算法不需要对张量进行第二次传递，但是它可以利用另一个视图来计算更好的逼近，该论文提供了关于逼近误差的严格理论保证，广泛的数值实验表明，该算法产生了能够改进流式 Tucker 分解技术的有用结果。