Тензорний аналіз — узагальнення векторного аналізу, розділ тензорного числення, що вивчає диференційні оператори, котрі діють на алгебрі тензорних полів ${\displaystyle D(M)}$, що диференціюється ${\displaystyle M}$. Розглядаються також оператори, що діють на загальніші, ніж тензорні поля, геометричні об'єкти: тензорна густина, диференціальні форми зі значеннями у векторному розшаруванні і т.д.

Найбільший інтерес представляють оператори, дія яких не виводить за межі алгебри ${\displaystyle D(M)}$.

1) Коваріантна похідна уздовж векторного поля ${\displaystyle X}$ — лінійне відображення ${\displaystyle \nabla _{X))$ простору векторних полів ${\displaystyle D^{1}(M)}$ від ${\displaystyle M}$, залежне від векторного поля ${\displaystyle X}$ і яке задовольняє умовам:

${\displaystyle \nabla _{f}X+{}_{gV}Z=f\nabla _{X}Z,}$

${\displaystyle \nabla _{X}(fZ)=f\nabla _{X}Z+(Xf)Y,}$

де ${\displaystyle X}$, ${\displaystyle Y}$, ${\displaystyle Z\in D'(M)}$, ${\displaystyle f}$, ${\displaystyle g}$ — гладкі функції на ${\displaystyle M}$. Зв'язність ${\displaystyle \Gamma }$ і паралельне перенесення, що визначаються цим оператором, дозволяють розповсюдити дію коваріантної похідної до лінійного відображення алгебри ${\displaystyle D(M)}$ в себе; при цьому відображення ${\displaystyle \nabla X}$ є диференціюванням, зберігає тип тензорного поля і перестановочне зі згорткою.

В локальних координатах ${\displaystyle u^{1},u^{2}\ldots ,u^{n))$ коваріантна похідна тензора з компонентами ${\displaystyle T(T_{j_{1}\ldots {j_{m))}^{i_{1}\ldots {i_{l))})}$ щодо вектора ${\displaystyle X=\xi ^{i}{\frac {\partial }{\partial u^{i))))$ визначається так:

${\displaystyle \nabla _{X}T=\xi ^{s}({\frac {\partial T_{j_{1}\ldots m}^{i_{1}\ldots i_{l))}{\partial u^{s))}+\Gamma _{k_{s))^{i_{1))T_{j_{1}\ldots j_{m))^{k\ldots i_{l))+\ldots -\Gamma _{j_{i,s))^{k}T_{k\ldots j_{m))^{i_{1}\ldots i_{l))),}$

${\displaystyle \Gamma _{ks}^{i))$ — об'єкт зв'язності ${\displaystyle \Gamma }$.

2) Похідна Лі уздовж векторного поля ${\displaystyle X}$ — відображення ${\displaystyle L_{X))$ простору ${\displaystyle D'(M)}$, що визначене формулою ${\displaystyle L_{X}~:~Y\rightarrow [X,~Y]}$, де ${\displaystyle [X,~Y]}$ — комутатор векторних полів ${\displaystyle X}$ ${\displaystyle Y}$. Цей оператор також однозначно продовжується до диференціювання ${\displaystyle D(M)}$, зберігає тип тензорів і переставляється зі згорткою. В локальних координатах Лі похідна тензора ${\displaystyle T(T_{j_{1}\ldots {j_{m))}^{i_{1}\ldots {i_{l))})}$ виражається так:

${\displaystyle \nabla _{X}T=\xi ^{s}({\frac {\partial T_{j_{1}\ldots m}^{i_{1}\ldots i_{l))}{\partial u^{s))}+\Gamma _{k_{s))^{i_{1))T_{j_{1}\ldots j_{m))^{k\ldots i_{l))+\ldots -\Gamma _{j_{i,s))^{k}T_{k\ldots j_{m))^{i_{1}\ldots i_{l))),}$

3) Зовнішній диференціал (зовнішня похідна) — лінійний оператор ${\displaystyle d}$, що зіставляє зовнішній диференційній формі (кососиметричному коваріантному тензору) степеня ${\displaystyle p}$ форму такого ж вигляду і степеня ${\displaystyle p+1}$, котра задовольняє умовам:

${\displaystyle d(\omega _{1}\wedge \omega _{2})=d\omega _{1}\wedge \omega _{2}+(-1)^{r}\omega _{1}\wedge d\omega _{2},~~~~d(d\omega )=0,}$

де ${\displaystyle \wedge }$ — символ зовнішнього добутку ${\displaystyle r}$ — ступінь ${\displaystyle \omega _{1))$. В локальних координатах зовнішня похідна тензора ${\displaystyle \omega \langle \omega _{i_{1}\ldots i_{p))\rangle }$ виражається так:

${\displaystyle d\omega =\sum _{n=0}^{\infty }(-1)^{k}{\frac {\partial \omega _{i_{1}\ldots {\hat {i))_{k}\ldots i_{p+1))}{\partial u^{i_{k)))).}$

Оператор ${\displaystyle d}$ — узагальнення оператора ${\displaystyle \operatorname {rot} }$.

4) Тензор кривизни симетричного невиродженого двічі коваріантного тензора ${\displaystyle g_{if))$ є дією деякого нелінійного оператора ${\displaystyle R}$:

${\displaystyle g_{if}\rightarrow R_{mlk}^{s}={\frac {\partial \Gamma _{km}^{s)){\partial u^{l))}-{\frac {\partial \Gamma _{kl}^{s)){\partial u^{m))}+\sum _{p}(\Gamma _{lp}^{s}\Gamma _{km}^{p}-\Gamma _{mp}^{s}\Gamma _{kl}^{p}),}$

де

${\displaystyle \Gamma _{jk}^{i}={\frac {1}{2))g^{is}({\frac {\partial g_{js)){\partial u^{k))}+{\frac {\partial g_{ks)){\partial u^{s))}-{\frac {\partial g_{jk)){\partial u^{s))}).}$

• Акивис М.А. Гольдберг В.В. Тензорное исчисление. — Москва: Наука, 1969 — С. 352.
• Борисенко А.И., Тарапов И.Е. Векторный анализ и начала тензорного исчисления. — Москва: Высшая школа, 1966 — С. 254.
• Векуа И.Н. Основы тензорного анализа и теории ковариантов. — Москва: ФМЛ, 1978 — С. 297.
• Автор Книжка. — Видавництво. — С. 123.
• Кочин Р.Е. Векторное исчисление и начала тензорного исчисления. — Москва: Наука, 1965 — С. 427.
• Мак-Коннел А.Дж. Введение в тензорный анализ. — Москва: ФМЛ, 1963 — С. 411.
• Победря Б.Е. Лекции по тензорному анализу. — Москва: Изд. МГУ, 1986 — С. 264.
• Bishop, Richard L.; Samuel I. Goldberg (1980) [1968]. Tensor Analysis on Manifolds. Dover. ISBN 978-0-486-64039-6.
• Lebedev, Leonid P.; Michael J. Cloud (2003). Tensor Analysis. World Scientific. ISBN 978-981-238-360-0.
• Kay, David C (1988-04-01). Schaum's Outline of Tensor Calculus. McGraw-Hill. ISBN 978-0070334847.
• Synge JL, Schild A (1978-07-01). Tensor Calculus. Dover Publications. ISBN 978-0486636122.

п о р Диференційовні обчислення
Загальне	Диференційовне програмування[en] Нейронна машина Тюрінга Диференційовний нейрокомп'ютер[en] Автоматичне диференціювання Нейроморфні обчислення Кабельна теорія Розпізнавання образів Теорія обчислювального навчання[en] Тензорний аналіз
Поняття	Градієнтний спуск СГС Кластерування Регресія Перенавчання Змагальність[en] Увага Згортка Функції втрат Зворотне поширення Унормовування[en] Передавальна функція Нормована експоненційна Сигмоїда Випрямляч Регуляризація Набори даних Нарощування[en]
Мови програмування	Python Julia
Застосування	Машинне навчання Навчання в контексті Штучна нейронна мережа Глибоке навчання Наукові обчислення[en] Штучний інтелект
Апаратне забезпечення	Інтелектний процесор[en] Тензорний процесор Зоровий процесор Мемристор SpiNNaker[en]
Програмні бібліотеки	TensorFlow PyTorch Keras Theano
Втілення	Аудіовізуальні NateNet AlexNet WaveNet[en] Синтез людських зображень[en] Розпізнавання рукописного введення Оптичне розпізнавання символів Синтез мовлення Розпізнавання мовлення Розпізнавання облич AlphaFold[en] DALL-E Словесні Word2vec Трансформер BERT Нейронний машинний переклад Project Debater[en] Watson GPT-2 GPT-3 Вирішувальні AlphaGo AlphaZero Q-навчання SARSA OpenAI Five Самокерований автомобіль MuZero[en] Обирання дії Керування роботами[en]
Люди	Алекс Ґрейвс[en] Ян Ґудфелоу Йошуа Бенжіо[en] Джефрі Гінтон Ян ЛеКун Ендрю Ин Деміс Гассабіс Девід Сілвер[en] Фей-Фей Лі
Організації	DeepMind OpenAI Лабораторія інформатики та штучного інтелекту Массачусетського технологічного інституту Mila[en] Google Brain FAIR[fr]
Портали: Програмування  • Техніка Категорії: Штучні нейронні мережі  • Машинне навчання