.png){kind=icon}
返回
Randomized algorithms for computing tensor ring rounding
.png){kind=icon}
PRE
AI
DOI：10.1007/s40314-026-03911-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
张量环（TR）分解是表示高阶张量的有效方法，在从机器学习到量子物理等领域具有广泛应用。本研究介绍了对传统TR舍入技术的一些新颖随机扩展，将已建立的矩阵随机化原理推广到张量设置。我们首先提出了一种正交化-再随机化策略，直接将随机性注入舍入过程。此外，通过采用随机张量链，我们减少了昂贵的正交化依赖，并提出了更计算经济的随机化-再正交化变体。实验结果表明，两种随机算法在效率方面均优于标准的确定性TR舍入方法。
Keyword:
Tensor ring decomposition
Tensor ring rounding
Randomized algorithm
期刊
C
IF:
2.5
论文数:
89
被引数:
0
机构
暂无机构信息
引用论文
.png){kind=icon}
A block-randomized stochastic method with importance sampling for CP tensor decomposition基于重要性采样的随机块随机梯度下降方法用于张量CP分解
PREAI
分享收藏
查看更多内容