本研究使用最优的多项式算法，仅依靠少量随机观察数据完成张量解析，并将通过球上的正交全局极值证明的事实证明到可以在和方法证明系统内进行。

Feb, 2017

该研究论文中介绍了一种解决张量完备问题的新算法，通过采用基于凸优化问题和基于规范的张量范数的约束来解决计算能力与信息论采样复杂性之间的矛盾，实现了收敛性和信息论速率。

Feb, 2024

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

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

本文介绍了两种基于 Poisson loss 和 atomic norm minimization 的张量补全方法，提出了更紧密的界限，描绘了其对目标张量秩的关系，并探讨了最大准范数、岭惩罚和 Poisson 损失减小算法的实用性。

Jun, 2023

该论文针对低秩矩阵完成算法的理论保证存在严格且近似的情况，可以应用于任何确定性采样计划。通过引入一个图形来解决观察条目的性能问题，论文从理论和实验角度论证了算法的成功性。

Jun, 2023

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

研究了张量恢复中的样本量要求，提出梯度下降算法结合谱方法来重建低秩高阶张量，事实证明我们的方法在保证高概率的情况下只需要 O (r^7/2*d^3/2*log^7/2 (d)+r^7*d*log^6 (d)) 个样本，且可以很好地处理低秩多线性张量，相对于其他方法具有高效易用性的优点。

Feb, 2017

提出了一种通过闭合形式的阈值函数来生成稀疏感应正则化器，并应用于低秩张量补全问题中，基于交替方向乘子法的高效算法被开发，证明生成的序列是有界的并且任何极限点都是一个稳定点。在合成和实际的数据集上的实验结果表明，所提出的算法在恢复性能方面优于现有技术方法。

Oct, 2023