Tatsuya Yokota 助理教授荣获 IEEE 信号处理学会日本青年作者最佳论文奖。

当矩阵数据或多维数组数据（张量）中存在丢失元素或未输入元素时，从当前可引用元素中估计（填空）丢失元素的值的技术称为矩阵补全或张量补全。近年来，这项技术一直备受关注，因为它有望应用于在线购物的自动推荐系统以及由于伪影而丢失的图像区域的插值。在本研究中，我们提出了一种针对该张量完成问题引入连续性、低秩假设和张量分解技术的方法。此外，我们开发了一种新的模型选择算法（秩估计），这在张量分解中很重要，并成功地有效解决了困难的优化问题。因此，我们在图像和 MRI 图像等区域插值问题的最先进算法的插值性能方面取得了进一步的提高。

获奖论文：
Tatsuya Yokota、Qibin Zhao 和 Andrzej Cichocki，“用于张量完成的平滑 PARAFAC 分解”，IEEE 信号处理汇刊，卷。 64，没有。 20，第 5423-5436 页，2016 年 10 月。