Buchumschlag

Parametric kernel low-rank approximations using tensor train decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Abraham, Saibaba, Arvind K.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parametric Hierarchical Matrix Approximations to Kernel Matrices
von: Khan, Abraham, et al.
Veröffentlicht: (2025)

Accelerated decomposition of bistochastic kernel matrices by low rank approximation
von: Vales, Chris, et al.
Veröffentlicht: (2025)

CP decomposition and low-rank approximation of antisymmetric tensors
von: Begovic, Erna, et al.
Veröffentlicht: (2022)

Time integration of quantized tensor trains using the interpolative dynamical low-rank approximation
von: Ye, Erika, et al.
Veröffentlicht: (2025)

Efficient hyperparameter estimation in Bayesian inverse problems using sample average approximation
von: Chung, Julianne, et al.
Veröffentlicht: (2024)

Quaternion tensor low rank Quaternion tensor low-rank approximation using a family of non-convex norms
von: Zahir, Alaeddine, et al.
Veröffentlicht: (2024)

Many (most?) column subset selection criteria are NP hard for a few columns
von: Ipsen, Ilse C. F., et al.
Veröffentlicht: (2025)

Better than best low-rank approximation with the singular value decomposition
von: Gleich, David F.
Veröffentlicht: (2024)

Quasioptimal alternating projections and their use in low-rank approximation of matrices and tensors
von: Budzinskiy, Stanislav
Veröffentlicht: (2023)

Low-rank approximation of analytic kernels
von: Webb, Marcus
Veröffentlicht: (2025)

Improved Analysis of Khatri-Rao Random Projections and Applications
von: Saibaba, Arvind K., et al.
Veröffentlicht: (2025)

A tensor-based dynamic mode decomposition based on the $\star_{\boldsymbol{M}}$-product
von: Saibaba, Arvind K., et al.
Veröffentlicht: (2025)

Bridging the Gap Between Deterministic and Probabilistic Approaches to State Estimation
von: Kakasenko, Lev, et al.
Veröffentlicht: (2025)

The low-rank tensor-train finite difference method for three-dimensional parabolic equations
von: Manzini, Gianmarco, et al.
Veröffentlicht: (2025)

Restarting the Numerical Flow Iteration through low rank tensor approximations
von: Wilhelm, Rostislav-Paul, et al.
Veröffentlicht: (2025)

Reduced order computation of 2D elastodynamic Green's functions in layered soil using a low-rank tensor approximation
von: Farooq, Zainab, et al.
Veröffentlicht: (2026)

The average condition number of most tensor rank decomposition problems is infinite
von: Beltrán, Carlos, et al.
Veröffentlicht: (2019)

Robust low-rank training via approximate orthonormal constraints
von: Savostianova, Dayana, et al.
Veröffentlicht: (2023)

Entrywise tensor-train approximation of large tensors via random embeddings
von: Budzinskiy, Stanislav
Veröffentlicht: (2024)

Adaptive Randomized Tensor Train Rounding using Khatri-Rao Products
von: Daas, Hussam Al, et al.
Veröffentlicht: (2025)

Sufficient recovery conditions for noise-buried low rank tensors
von: Petrov, Sergey, et al.
Veröffentlicht: (2023)

Randomized low-rank approximation of parameter-dependent matrices
von: Kressner, Daniel, et al.
Veröffentlicht: (2023)

Fast adaptive tubal rank-revealing algorithm for t-product based tensor approximation
von: Liu, Qiaohua, et al.
Veröffentlicht: (2025)

A homogeneous geometry of low-rank tensors
von: Jacobsson, Simon
Veröffentlicht: (2025)

Matrices over a Hilbert space and their low-rank approximation
von: Budzinskiy, Stanislav
Veröffentlicht: (2025)

Dynamical low-rank approximation for the semiclassical Schrodinger equation with uncertainties
von: Liu, Liu, et al.
Veröffentlicht: (2026)

Randomized strong rank-revealing QR for column subset selection and low-rank matrix approximation
von: Grigori, Laura, et al.
Veröffentlicht: (2025)

Proper orthogonal decomposition (POD) combined with hierarchical tensor approximation (HTA) in the context of uncertain parameters
von: Kastian, Steffen, et al.
Veröffentlicht: (2019)

Time integration of symmetric and anti-symmetric low-rank matrices and Tucker tensors
von: Ceruti, Gianluca, et al.
Veröffentlicht: (2019)

Point spread function approximation of high rank Hessians with locally supported non-negative integral kernels
von: Alger, Nick, et al.
Veröffentlicht: (2023)

Geometric low-rank approximation of the Zeitlin model of incompressible fluids on the sphere
von: Pagliantini, Cecilia
Veröffentlicht: (2024)

Efficient quaternion CUR method for low-rank approximation to quaternion matrix
von: Wu, Peng-Ling, et al.
Veröffentlicht: (2024)

Low-rank cross approximation of function-valued tensors for reduced-order modeling of parametric PDEs
von: Budzinskiy, Stanislav, et al.
Veröffentlicht: (2025)

A multilinear Nyström algorithm for low-rank approximation of tensors in Tucker format
von: Bucci, Alberto, et al.
Veröffentlicht: (2023)

Efficient approximations of matrix multiplication using truncated decompositions
von: Kar, Suvendu, et al.
Veröffentlicht: (2025)

Efficient adaptive randomized algorithms for fixed-threshold low-rank matrix approximation
von: Liu, Qiaohua, et al.
Veröffentlicht: (2025)

A Riemannian rank-adaptive method for higher-order tensor completion in the tensor-train format
von: Vermeylen, Charlotte, et al.
Veröffentlicht: (2024)

A generalized Nystrom method with column sketching for low-rank approximation of nonsymmetric matrices
von: Wang, Yatian, et al.
Veröffentlicht: (2024)

Splitting-based randomized dynamical low-rank approximations for stiff matrix differential equations
von: Wu, Zi, et al.
Veröffentlicht: (2025)

General superconvergence for kernel-based approximation
von: Karvonen, Toni, et al.
Veröffentlicht: (2025)