Wedderburn rank reduction and Krylov subspace method for tensor approximation. Part 1: Tucker case

S. A. Goreinov, I. V. Oseledets, D. V. Savostyanov

Результат исследований: Вклад в журналСтатьярецензирование

14 Цитирования (Scopus)

Аннотация

New algorithms are proposed for the Tucker approximation of a 3-tensor accessed only through a tensor-by-vector-by-vector multiplication subroutine. In the matrix case, the Krylov methods are methods of choice to approximate the dominant column and row subspaces of a sparse or structured matrix given through a matrix-by-vector operation. Using the Wedderburn rank reduction formula, we propose a matrix approximation algorithm that computes the Krylov subspaces and can be generalized to 3-tensors. The numerical experiments show that on quantum chemistry data the proposed tensor methods outperform the minimal Krylov recursion of Savas and Eldén.

Язык оригиналаАнглийский
Страницы (с-по)A1-A27
ЖурналSIAM Journal on Scientific Computing
Том34
Номер выпуска1
DOI
СостояниеОпубликовано - 2012
Опубликовано для внешнего пользованияДа

Fingerprint

Подробные сведения о темах исследования «Wedderburn rank reduction and Krylov subspace method for tensor approximation. Part 1: Tucker case». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать