一种用于计算广义张量特征对的自适应梯度方法
最优化与控制
2016-01-08 v1
摘要
高阶张量越来越多地出现在信号处理、数据分析、高阶统计以及成像科学中。本文提出一种用于广义张量特征对的自适应梯度(adaptive gradient, AG)方法。在一些合适条件下建立了全局收敛与线性收敛速率。数值结果用以说明所提方法的效率。与GEAP方法（由Tamara G. Kolda和Jackson R. Mayo提出的自适应偏移幂方法[SIAM J. Matrix Anal. Appl., 35 (2014), pp. 1563-1581]）相比，AG方法快得多，且能以更高概率达到最大特征对。
引用
@article{arxiv.1601.01399,
title = {An adaptive gradient method for computing generalized tensor eigenpairs},
author = {Gaohang Yu and Zefeng Yu and Yi Xu and Yisheng Song},
journal= {arXiv preprint arXiv:1601.01399},
year = {2016}
}