该论文提出了一种新的张量补全问题的公式，以张量列车 (TT) 秩的形式介绍了该公式，可以通过平衡的矩阵化计算有效地捕获张量的全局信息。两种算法被提出来解决相应的张量补全问题。

Jan, 2016

该论文提出了一种名为 GOCPT 的广义在线 CP 张量分解和完成框架，用于处理张量在演化过程中更为复杂的情景，其中保持张量的 CP 结构。通过该框架，可以统一以往已有的在线张量分解和完成设置。此外，文中还提出了一种 GOCPTE 的变体，以处理历史张量元素不可用的情景，该方法的性能与 GOCPT 相似，但计算成本减少很多。实验结果表明，相对于基线模型，GOCPT 在 JHU Covid 数据集上可以提高 2.8% 的拟合优度，在专有患者索赔数据集上可以提高 9.2% 的拟合优度，而 GOCPTE 在两个数据集上可以提高 1.2% 和 5.5% 的拟合优度，并比最佳模型快大约 20%。

May, 2022

本文提出一种新颖的张量完成方法，基于张量列车 (TT) 秩，提出了新的优化公式和算法。其中，SiLRTC-TT 是通过在 TT 秩的基础上最小化核范数实现的，TMac-TT 是通过基于多线性矩阵分解来逼近张量 TT 秩。文章还提出了一种向高阶张量转换的方法以增强 SiLRTC-TT 和 TMac-TT 的有效性。仿真结果表明该方法在彩色图像和视频恢复方面具有明显优势。

Jun, 2016

本研究通过低秩泊松张量模型和神经网络学习算法，在理论上支持了未完全统计的多方面数据完成，提出了可以证明从部分观测中恢复张量的完全统计条目及其每个条目的欠计数概率的 UC-TC 公式，并进行了模拟和实际数据实验。

Jun, 2023

本文提出了一种新颖的多分辨率张量学习算法，用于在提高解释性的同时提高计算效率，该算法从粗糙的分辨率到细粒度逐步学习，证明了其理论收敛和计算复杂性，并在实际数据集中展现了 4~5 倍的性能提升。

Feb, 2020

本研究提出了一个新的模型以及应用交替最小化算法和两种自适应秩调整策略同时对低秩张量进行低秩矩阵分解，结果表明，该算法可以在比其他方法更少的数据采样下恢复各种合成低秩张量，而且实际数据的测试结果也有类似优势。

Dec, 2013

提出了基于数字属性的新的 GCDTC（广义 CP 分解张量完成）方法，采用低秩张量完成的广义 CP 分解，提出了一种名为 SPTC（平滑泊松张量完成）的算法，通过实验验证，该方法的完整性准确性优于目前最先进的方法。

Feb, 2023

本文提出了一种用于解决空间时间交通数据中缺失数据问题的低秩张量完成方法，并定义了一个新的截断核范数，利用交替方向乘子法（ADMM）的框架提出了一种有效的算法来获得每个变量的最优解。数值实验表明，所提出的方法优于许多最先进的缺失数据模型。

Mar, 2020

本文提出了一种基于贝叶斯建模和多线性交互作用的张量分解方法，可以在存在缺失数据和离群值的情况下进行鲁棒分析，实现对丢失数据的稳健预测分布。

Oct, 2014

本文提出了一种名为 SPC 的 “平滑 PARAFAC 张量完整化” 的方法，该方法为视觉数据快速提供了高效的算法，其采用总变分和二次变分策略来施加平滑性约束，并在模型学习中调用相应的算法，经广泛实证评估，较其他具有代表性的张量完整化方法具备更好的预测性能和效率。

May, 2015