低秩张量网络用于降维和大规模优化问题：视角与挑战 第一部分
摘要：张量分解和张量网络作为大规模数据分析和数据挖掘的新兴工具，对多学科研究社区来说是及时和有价值的。本文提供了张量网络的数学和图形表示以及解释，并重点介绍了Tucker和张量列车（TT）分解及其扩展或泛化。关键词：张量网络，函数相关张量，CP分解，Tucker模型，张量列车（TT）分解，矩阵乘积状态（MPS），矩阵乘积算符（MPO），基本张量运算，多通道分析，多线性盲源分离，张量完成，线性/多线性降维，大规模优化问题，对称特征值分解（EVD），PCA/SVD，海量线性方程组，超大矩阵的伪逆，Lasso和规范相关分析（CCA）（第一部分）
作者：A. Cichocki, N. Lee, I.V. Oseledets, A.-H. Phan, Q. Zhao, D. Mandic
论文ID：1609.00893
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2017-09-12