Bayesian Tucker Tensor Completion under Non-Uniform Missing

首个 Bayesian Tucker tensor completion 在 non-uniform separable missing 下的 posterior contraction rate。通过 per-row posterior contraction 新技术达到 minimax optimal rate（至 \(\log n\)），不需要 RIP 条件。

状态：理论框架完整，Theorem 3 正式化和 simulation 待完成

核心贡献：

• 新模型：Tucker tensor + non-uniform missing 的 Bayesian rate 是文献空白
• 新技术：Per-row posterior contraction bootstrap，绕过 RIP 直接达 minimax rate
• \(\rho_k(i_k)\) 在去条件化步骤中精确消去——低观测行的 posterior variance 大但对 design 扰动不敏感，高观测行反之，两个效应对消

目标期刊：Bayesian Analysis