[论文解读] Circulant Tensors with Applications to Spectral Hypergraph Theory and Stochastic Process

Zhongming Chen, Liqun Qi|arXiv (Cornell University)|Dec 10, 2013

Tensor decomposition and applications参考文献 14被引用 16

一句话总结

本文建立了循环张量的谱性质，表明非负循环张量的最大H-特征值可被显式识别，并证明了偶数阶循环B₀张量是半正定的。这些结果验证了循环超图和有向循环超图中的结构性质，并推广至m阶平稳随机过程，其中当m为偶数时，其m阶矩（作为循环张量）是半正定的。

ABSTRACT

Circulant tensors naturally arise from stochastic process and spectral hypergraph theory. The joint moments of stochastic processes are symmetric circulant tensors. The adjacency, Laplacian and signless Laplacian tensors of circulant hypergraphs are also symmetric circulant tensors. The adjacency, Laplacian and signless Laplacian tensors of directed circulant hypergraphs are circulant tensors, but they are not symmetric in general. In this paper, we study spectral properties of circulant tensors and their applications in spectral hypergraph theory and stochastic process. We show that in certain cases, the largest H-eigenvalue of a circulant tensor can be explicitly identified. In particular, the largest H-eigenvalue of a nonnegative circulant tensor can be explicitly identified. This confirms the results in circulant hypergraphs and directed circulant hypergraphs. We prove that an even order circulant B$_0$ tensor is always positive semi-definite. This shows that the Laplacian tensor and the signless Laplacian tensor of a directed circulant even-uniform hypergraph are positive semi-definite. If a stochastic process is $m$th order stationary, where $m$ is even, then its $m$th order moment, which is a circulant tensor, must be positive semi-definite. In this paper, we give various conditions for a circulant tensor to be positive semi-definite.

研究动机与目标

• 研究在随机过程和谱超图理论中出现的循环张量的谱性质。
• 建立偶数阶循环张量为半正定的条件。
• 确认非负循环张量的最大H-特征值可被显式识别。
• 证明偶数阶循环B₀张量是半正定的，推广至有向循环超图的拉普拉斯张量与无符号拉普拉斯张量。
• 证明当m为偶数时，m阶平稳随机过程的m阶矩张量是半正定的。

提出的方法

• 通过索引的循环移位不变性来定义循环张量，将循环矩阵推广至高阶张量。
• 引入根张量和相关张量，从其第一切片生成任意循环张量。
• 利用离散傅里叶变换（DFT）框架，推导循环张量的显式特征值与特征向量。
• 将单位范数约束下的张量多重线性型最小化问题表述为约束优化问题。
• 应用增广拉格朗日乘子法（ADMM）求解张量优化问题，并在特定条件下保证收敛性。
• 实现ADMM算法，对单位球约束采用闭式子问题解法，实现高效数值计算。

实验结果

研究问题

• RQ1 非负循环张量的最大H-特征值能否被显式识别？
• RQ2 在何种条件下，偶数阶循环张量是半正定的？
• RQ3 有向循环超图的拉普拉斯张量与无符号拉普拉斯张量是否为半正定？
• RQ4 当m为偶数时，m阶平稳随机过程的m阶矩张量是否为半正定？
• RQ5 能否使用ADMM高效求解单位球上张量多重线性型的优化问题？

主要发现

• 非负循环张量的最大H-特征值可被显式计算，验证了循环超图中的谱性质。
• 每个偶数阶循环B₀张量都是半正定的，意味着有向循环偶均匀超图的拉普拉斯张量与无符号拉普拉斯张量均为半正定。
• 对于任意m阶平稳随机过程，当m为偶数时，其m阶矩张量（即循环张量）是半正定的。
• ADMM算法在100次测试实例（n=3,4）中100%成功收敛至全局最小值，精度达到真实解的10⁻⁵以内。
• 数值结果表明ADMM方法效率较高，4阶张量在大小为3和4时，平均分别在62.73和92.49次迭代内收敛。
• 该算法在小规模问题上仍具有效性，但因Nsolve无法处理更大规模实例，其可扩展性受限。