研究人员开发了一种名为鲁棒迭代t-CUR（R-ItCUR）的新算法，用于从可能包含显著异常值的局部数据中填充低管秩张量。该方法对采样张量交叉进行分区，应用自适应Welsch校正来抑制异常值，并通过投影分块梯度下降更新低秩分量。R-ItCUR直接在采样交叉上操作，降低了内存和计算需求。在合成数据、心脏MRI和地震数据上的实验表明，该方法能够准确恢复数据并对严重损坏具有鲁棒性，强调了利用交叉集中采样结构的优势。 AI
影响 引入了一种更鲁棒的张量填充方法，有望改善医学成像和地震数据处理等领域的数据分析。
排序理由 关于张量填充新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
