Minimal and Maximal Regularizations for Tensor Completion

报告题目：Minimal and Maximal Regularizations for Tensor Completion

报告人：王川龙 教授单位：太原师范学院数学与统计学院

报告时间：2025年11月27日（周四）上午 9:00--10:00

报告地点：数学学院A321

欢迎全校师生参加！

                                                    数学学院

报告人简介：

  王川龙，博士，教授，博士生导师，曾任全国工业与应用数学学会常务理事、山西省工业与应用数学学会理事长、全国运筹学会理事。山西省教学名师，山西省委联系高级专家, 山西省跨世纪学术和技术带头人及“三晋英才”。2002年获山西省教学成果一等奖。2004年获山西省科技进步二等奖。2020、2024年分别获山西省自然科学奖二等奖。主持国家自然科学基金、山西省自然科学基金等项目10余项。著有《最优化原理与微观经济学》、《对角优势矩阵及其应用》等专著，在国内外学术期刊发表论文100余篇，其中被国际权威检索系统SCI收录60余篇。

Abstract:we propose the minimal and maximal regularization for tensor completion.Then, the modified proximal gradient algorithm and augmented Lagrange multiplier algorithm are put forward based on their penalty forms. Meanwhile, the new potential functions are given, and the Kurdyka-Lojasiewicz property is studied. Based on these results, we obtain convergence of the proposed algorithms. Finally, we show that new regularizations and corresponding algorithms have the advantage in CPU time and recovery effect for tensor completion.