研究人员推出了一种新颖的高维不完整张量补全方法——Spectra-Guided Neural Tucker Factorization (SG-NTF)。该方法将时间戳映射到连续谱空间以捕捉时间模式，并采用时空协同门控机制来过滤潜在交互。评估表明，SG-NTF在保持参数效率的同时实现了具有竞争力的准确性。 AI
影响 引入了一种新颖的技术，用于提高高维数据集中张量补全的准确性和效率。
排序理由 该集群包含一篇详细介绍张量补全新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.00584v1 Announce Type: new Abstract: This paper proposes Spectra-Guided Neural Tucker Factorization (SG-NTF) for High-Dimensional and Incomplete (HDI) tensor completion. Circumventing discrete representational limits, SG-NTF maps scalar timestamps into a continuous spe…
This paper proposes Spectra-Guided Neural Tucker Factorization (SG-NTF) for High-Dimensional and Incomplete (HDI) tensor completion. Circumventing discrete representational limits, SG-NTF maps scalar timestamps into a continuous spectral space to abstract temporal periodicities. …