AAAI 2021 | 一种新的全连接张量网络分解：突破TT和TR分解的局限性

近日电子科技大学张量建模与计算团队与日本理化学研究所张量学习团队一篇合作论文被人工智能领域顶级会议AAAI 2021 (CCF A类推荐会议) 接收，标题为《Fully-Connected Tensor Network Decomposition and Its Application to Higher-Order Tensor Completion》。

论文第一作者为电子科技大学博士生郑玉棒，通讯作者为电子科技大学黄廷祝教授和赵熙乐教授，合作作者为日本理化学研究所张量学习团队负责人Qibin Zhao博士和西南财经大学蒋太翔副教授。

• 论文名称：Fully-Connected Tensor Network Decomposition and Its Application to Higher-Order Tensor Completion

• 论文链接：https://www.aaai.org/AAAI21Papers/AAAI-4990.ZhengY.pdf

• 代码链接：https://yubangzheng.github.io/

论文提出了一种全连接张量网络 (fully-connected tensor network, FCTN) 分解。

其优势在于：

(1) 建立了任意两个因子间的运算，使其可以充分地刻画张量任意两个模式 (modes) 间的相关性；

(2) 具有转置不变性，即对于不同的张量mode排列，分解本质上是相同的。进一步地，论文将FCTN分解应用到张量填充任务中，设计了基于临近交替极小化 (proximal alternating minimization, PAM [1]) 的求解算法，证明了算法的收敛性。

感兴趣的可以戳原文继续阅读。

内容中包含的图片若涉及版权问题，请及时与我们联系删除