.png){kind=icon}
返回
Fast and Accurate Generalized Tensor Network Decomposition
.png){kind=icon}
PRE
AI
DOI：10.1007/s10915-026-03272-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
张量网络是一种基本的数据建模方法，用于发现张量中的隐藏低秩模式，并在许多领域引起了广泛关注。本文研究了广义张量网络（GTN）分解，该分解允许使用各种著名的损失函数。我们开发了一种快速且准确的全局优化框架，用于计算广义分解。该框架包含了一种统一的方法来寻找梯度和海森近似，以及一种更高效的方法用于后者，该方法利用稀疏性和多线性结构设计。此外，该框架还结合了一种统一的方法，采用两种加速技术隐式估计大规模张量的海森近似。为便于理解，我们以一些特定的GTN分解为例，获得了相应的结果。通过合成数据和实际问题的验证，展示了GTN分解的适应性和灵活性以及我们框架的有效性。合成数据也用于评估高效海森近似方法的加速效果。
Keyword:
Tensor network
Tensor decomposition
Loss function
Gradient
Hessian approximation
Structure
期刊
IF:
3.3
论文数:
725
被引数:
9.6K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容