高次元テンソルにおける非滑らかな変化への対処：多目的テンソル回復フレームワーク

本研究では、学習可能なテンソル核ノルムを用いた新しい多目的テンソル回復フレームワークを提案する。これにより、従来のt-SVDベースの手法が直面する非滑らかな変化の課題に効果的に対処できる。また、提案手法は、テンソルの各次元間の相関関係を効率的に探索することができ、高次元テンソルデータの低ランク構造をより正確に捉えることができる。