1. 毕业设计（论文）主要内容：

首先介绍张量分解和张量网络的基本知识；引入基于张量填充的图像重建模型和推荐系统模型；并结合张量环构造张量填充模型；将最近的一些算法与经典的算法比较；最后再简述张量分解在数据压缩的应用。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇)，了解本研究领域的基本理论、关键技术与研究现状。

（2）完成开题报告。

（3）熟悉张量分解及张量网络的基本概念，熟悉机器学习的基本知识，了解张量在信号与信息处理领域的作用。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

（3）6－9周：编程实现各算法，并进行仿真调试。

4. 主要参考文献

[1] cichocki a. era of big data processing: a new approach via tensor networks and tensor decompositions[j]. eprint arxiv:1403.2048v4[cs.et]. 2014

[2] johann a. bengua, ho n. phien, hoang d. tuan, minh n. do, efficient tensor completion for color image and video recovery: low-rank tensor train[j]. ieee transactions on image processing, vol. 26, issue 5, pp. 2466-2479

[3] longhao yuan, qibin zhao, jianting cao. completion of high order tensor data with missing entries via tensor-train decomposition[j]. eprint arxiv:1709.02641v2[cs.na]. 2017