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

我们提出了一种新的张量分解和一种新的张量范数，称为张量 $U_1$ 范数，用于解决高阶张量数据的完整性问题，并提出了一个优化算法来解决该问题。该方法在处理具有非光滑变化的张量数据方面表现出良好效果。

Nov, 2023

本文在凸优化框架中研究了鲁棒性低秩张量恢复问题，并提出了具有全局收敛保证的定制优化算法，包括交替方向增广 Lagrange 算法和加速近端梯度方法。作者还提出了一种非凸模型，并通过实际应用展示了鲁棒性低秩张量恢复的实用有效性。

Nov, 2013

本文讨论如何使用适当的张量核族有效地解决 $l^p$ 正则化学习方法的非参数扩展问题，提出了一种快速的对偶算法并证明其有效性，与最近结论相反，该算法的应用不仅限于希尔伯特空间， 数值实验印证了该方法的有效性。

Jul, 2017

提出了一种新的随机稀疏 Kaczmarz 方法并证明了它在解决线性方程组，成分分解和低秩矩阵问题方面的线性收敛性，同时数值实验表明了其优越性。

Oct, 2016

本文提出了一种基于截断的异性低秩正则化方法，通过使用功率方法逼近奇异值分解以提高计算效率，相比于传统核范数正则化方法，实验结果表明所提出的方法在矩阵补全领域有更快的速度和更高的准确率。

Dec, 2015

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

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

本文发展了使用分布式算法解决低秩矩阵加上压缩矩阵与稀疏矩阵乘积的分离任务，建立了分布式稀疏正则化秩最小化的算法框架，其中采用核范数和 l1 范数用作所需矩阵的秩和非零条目数的替代，使用交替方向乘法的分离算法来最小化经过采样和压缩的数据的秩和 nonzeros，从而解决了一些网络优化问题。

Mar, 2012

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