张量的低秩逼近-Minru-Baippt
- 格式:ppt
- 大小:1.66 MB
- 文档页数:36


低秩张量近似定义一、低秩张量近似的基本概念1. 张量的概念(以人教版数学知识为基础的简单理解拓展)- 在数学中,张量是一种多线性关系的数学对象。
简单来说,如果我们把向量看作是有方向的量(在一维空间中的一种特殊数学对象),矩阵可以看作是二维的数组,那么张量就是更高维的数组。
例如,一个二阶张量可以表示为矩阵的形式,它在物理等很多领域有广泛应用,像应力张量等。
- 设一个张量T∈R^I_1× I_2×·s× I_N,这里I_n表示在第n个维度上的大小。
2. 秩的概念在张量中的延伸- 在矩阵中,秩表示矩阵中线性无关的行(列)向量的最大个数。
对于张量来说,秩的概念变得更加复杂。
张量秩有不同的定义方式,其中一种常见的定义是基于张量分解的概念。
- 例如,对于一个二阶张量(矩阵)A,如果它可以分解为A = UV^T,其中U 是m× r矩阵,V是n× r矩阵,r就是矩阵A的秩(这里r≤min(m,n))。
对于高阶张量,也有类似基于分解形式来定义秩的方式。
3. 低秩张量近似的定义- 低秩张量近似就是找到一个秩相对较低的张量T̂来近似原始的张量T。
- 从数学上来说,给定一个张量T∈R^I_1× I_2×·s× I_N,我们希望找到一个低秩张量T̂,使得某种距离度量d(T,T̂)尽可能小。
常见的距离度量有Frobenius范数,即d(T,T̂)=<=ftlVert T - T̂rightrVert_F=√(∑_{i_1 = 1)^I_1∑_{i_2 = 1}^I_2·s ∑_{i_N = 1}^I_N(T_{i_1i_2·s i_N}-T̂_{i_1i_2·s i_N})^2}。
- 低秩张量近似的意义在于,在很多实际应用中,原始张量可能非常复杂且数据量巨大。
通过找到低秩近似,可以在保持一定精度的情况下,大大降低数据的存储量和计算复杂度。