张量具有线性收敛速度的迭代算法

基于计算非负张量谱半径的高阶幂法, 给出一种新的迭代算法判定强H张量. 结合不等式的放缩技巧和非负张量的Perron-Frobenius定理证明所给算法在有限步内停止, 且其收敛速度是线性收敛的. 数值算例表明, 该算法能判定任意给定的张量是否为强H张量, 且在某些情形下比经典的强H张量判定算法所需迭代步数更少.     

判定强H-张量具有线性收敛速度的迭代算法

基于计算非负张量谱半径的高阶幂法,给出一种新的迭代算法判定强H-张量.结合不等式的放缩技巧和非负张量的Perron-Frobenius定理证明所给算法在有限步内停止,且其收敛速度是线性收敛的.数值算例表明,该算法能判定任意给定的张量是否为强H-张量,且在某些情形下比经典的强H-张量判定算法所需迭代步数更少.     

非负Tucker分解的随机方差缩减乘性更新算法

为了降低乘性迭代算法在求解非负Tucker分解时的计算复杂度,该文在乘性迭代的基础上,提出了一种随机方差缩减乘性更新方法.该方法先将待分解的非负张量n-模式矩阵化,再运用随机方差缩减乘性更新算法对矩阵进行非负分解,得到模式矩阵,最后通过梯度下降思想来更新核心张量.对高维数据进行非负Tucker分解时,加快收敛速度且降低...     

判定对称强H-张量的迭代算法

对称强H-张量的判定问题在图像处理、神经网络、高阶统计等领域中起着至关重要的作用,然而对称强-张量的判定问题存在诸多困难。给出一个判定对称强H-张量的迭代算法,并证明该算法是收敛的。进一步给出一个判定多元偶次齐次多项式正定性的算法。数值算例表明所给算法是有效的。     

有关非负张量的一些性质

给出了非负张量的一些性质,将随机矩阵的某个性质推广到了随机张量,且证明了满足一定条件的非负张量谱半径的复几何单性,并进一步给出了有关非负弱不可约张量的一些结论.     

广义长方形张量的注记

Perron-Frobenius定理是非负矩阵的基本结果.特别地,非负张量的Perron-Frobenius定理与测量链接对象的高阶连通性和超图有关.在长方形张量的基础上定义一个广义长方形张量,并给出了非负广义长方形张量的Perron-Frobenius定理的一些新的结果.     

一类H-张量和非负张量谱半径的界

给出一类拟双对角占优H-张量,利用张量对角占优性与谱包含域的对应关系和非负张量的谱性质,给出一个非负张量谱半径的上下界不等式.     

张量Z-特征值的新包含域定理

张量Z-特征值问题在医学成像、判定多项式正定性等科学领域中都具有重要应用.给出张量Z-特征值的新包含域,并证明所得到的张量Z-特征值包含区域比文献(Wang G,Zhou G,Caccetta L. Discrete Contin Dyn Syst,2017,B22(1):187-198.)中定理3.4中得到的区域小.基于张量Z-特征值新包含域,得到非负张量Z-谱半径的新上界.数值例子说明结果的有效性.     

Hilbert空间中极大单调算子零点的带误差项的迭代格式

令H为Hilbert空间,A:H→2H为极大单调算子,受Wittmann和Mann对非扩展映射不动点存在性研究方法的启发,把Mann迭代和Rockafellar提出的近似邻近点算法揉和在一起,引进了2种带误差项的迭代格式.分别证明了一种迭代格式强收敛于极大单调算子的零点;另一种弱收敛于极大单调算子的零点.     

计算非负不可约矩阵谱半径的新算法

设A=(at,J)n×n为非负不可约矩阵,设计一种计算非负不可约矩阵谱半径p(A)的通用迭代算法,并证明算法的收敛性.数值实验表明,该算法比幂法迭代算法具有较快的收敛速度.     

高阶张量协正性研究的最新进展

大数据时代,承载高阶高维信息的张量结构备受关注,从而引发了关于张量的理论、计算和应用的广泛研究.协正张量作为一种特殊的结构张量,也在材料物理及超图谱理论、多项式优化、张量互补与张量特征值互补等问题中凸显出不可或缺的作用.该文旨在对高阶协正张量数值判定、算法及应用的进展情况进行简单的梳理与总结,并希望对大规模高阶协正张量相关问题的未来发展提供可能的研究方向.     

低秩张量分解的多视角谱聚类算法

针对传统多视角学习算法只关注从多视角中提取共享信息而忽略了各视角的特有信息和高阶关联的问题,提出了一种基于截断核范数的低秩张量分解的多视角谱聚类算法。计算各视角的样本相似度矩阵和转移概率矩阵,构建一个包含各视角马尔可夫转移概率矩阵的张量,从而保留各个视角的信息。采用基于张量奇异值分解的截断核范数约束目标张量的秩。通过最小化张量截断核范数,学习到一个既包含各个视角共享信息又具有高阶关联的张量。利用迭代最优化算法求解目标函数,将求得的目标张量输入谱聚类算法得到聚类结果。在4个不同类型数据集上进行实验并与传统聚类算法进行了对比,结果表明:所提算法在4个数据集上的标准互信息度量值比标准谱聚类算法的分别提高了7.9%、24.9%、29.5%、8.1%,比LT-MSC算法的分别提高了3.4%、18.1%、17.6%、6.6%。通过对非负平衡参数在0.000 1～100之间的测试发现,所提算法表现基本稳定,在非负平衡参数取0.1～1之间表现良好。与传统多视角聚类算法相比,所提算法可有效增强各视角之间的互补性和高阶关联,并且具有良好的准确性和鲁棒性。     

张量与矩阵乘积的递推算法及相关问题

在张量研究中乘法运算起着重要的作用,而由于张量的复杂性,由定义来计算张量的乘法十分不便.给出一种张量与矩阵相乘的递推算法,并特别将此算法应用于讨论四阶张量的相关运算,从而得到二元四次型的一种合同标准形,并给出二维四阶张量正定性的一个判定定理.     

基于矩阵型惯性投影神经网络的非负矩阵分解算法

提出一种基于矩阵型神经动力学优化的非负矩阵分解算法.将矩阵非负分解优化问题首先转换为两个矩阵变量凸优化子问题，针对其子问题分别提出矩阵型惯性投影神经网络；然后，采用交替迭代方案寻找矩阵非负分解优化问题的解.理论分析证明了矩阵型惯性投影神经网络能收敛于矩阵变量凸优化子问题的最优解，并且基于矩阵型神经网络的交替迭代算法可以收敛到矩阵非负分解优化问题的偏最优解.最后，所提出的基于矩阵型神经网络的交替迭代算法被有效地应用于人脸识别.     

关于对BP神经网络算法改进的研究

为了减小标准BP算法中迭代次数并提高其收敛速度 ,现提出将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法 .在误差寻优初期 ,首先采用标准BP算法进行迭代 ,每迭代一次的工作量较小、所需存贮量较少 ,且对初始点的要求不高 .然后 ,当寻优过程开始接近最优时 ,更改寻优算法 ,即使用DFP变尺度算法 .最后 ,运用MATLAB工具箱和VisualBasic实现算例 .实验结果表明 :改进后的BP算法减少了迭代次数 ,提高了寻优的收敛速度     

四阶弱对称非负张量Z-谱半径的上下界及应用

针对四阶张量Z-谱半径的估计问题,利用张量Z-特征值的定义,并结合不等式放缩技巧,给出了四阶弱对称非负张量Z-谱半径的新上下界,改进了现有一些结果.作为应用,由Z-谱半径的上界给出了张量最佳秩一逼近和贪婪秩一更新算法收敛速度的下界,由Z-谱半径的上下界给出了具有非负振幅对称纯态纠缠的几何度量的上下界.     

低秩张量填充的随机算法

以高精度低秩张量填充算法为基础,引入随机的思想,提出了一种新的低秩张量填充算法.该算法在每次迭代过程中,只对张量随机产生的某个模进行展开,奇异值分解及折叠,减少了计算花费.最后,通过数值实验以及MRI图像填充证明新算法比HaLRTC及DR-TR算法更有效.     

求解多重线性系统的预条件张量分裂 Gauss-Seidel迭代法

为了解决建立在强M-张量上的多重线性系统的预处理Gauss-Seidel迭代法，提出一个新的预条件子I+S_α’，给出张量分裂，提出3种不同的Gauss-Seidel分裂方式，形成预处理迭代张量，并证明它们是收敛的。比较基于不同分裂形式的Gauss-Seidel迭代收敛速度，通过数值算例验证了所给算法是可行有效的。     

基于非负张量分解的音频分类方法

为了提高音频数据分类正确率,提出一种通过非负张量分解(NTF)的分类方法.音频信号经过预处理后,提取声学特征和感知特征参数,然后构建非负的3阶音频张量,其各阶分别对应特征、帧、样本;其次,通过NTF得到每一类音频的核张量与因子矩阵,让测试样本构建的张量与各类型音频的因子矩阵的转置进行张量乘,得到对核张量的近似;最后,通过Frobenius范数进行相似性度量,完成分类.使用古典音乐、流行音乐、语音、噪声4种类型的音频数据测试分类效果.结果表明,平均分类正确率在85%,以上,说明该方法可以有效地完成音频分类.     

定义在锥K上的张量互补问题解集的性质研究

本文将张量互补问题由非负锥Rn+推广到更为一般的尖闭凸锥K上,并定义了新的结构张量.进一步证明了其相应的张量互补问题解集的唯一性、有界性以及紧性等性质.