Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 2 Applications and Future Perspectives
Cette monographie s'appuie sur Réseaux tensoriels pour la réduction de la dimensionnalité et l'optimisation à grande échelle : Part 1 Low-Rank Tensor Decompositions en discutant des modèles de réseaux tensoriels pour la représentation super-comprimée d'ordre supérieur des données/paramètres et des fonctions de coût, ainsi qu'un aperçu de leurs applications dans l'apprentissage automatique et l'analyse des données. L'accent est mis en particulier sur l'élucidation, au moyen d'illustrations graphiques, du fait qu'en vertu des approximations tensorielles de faible rang sous-jacentes et des contractions sophistiquées des tenseurs centraux, les réseaux tensoriels ont la capacité d'effectuer des calculs distribués sur des volumes de données/paramètres autrement prohibitifs, atténuant ainsi la malédiction de la dimensionnalité. L'utilité de ce concept est illustrée dans un certain nombre de domaines d'application, notamment la régression et la classification généralisées, la décomposition généralisée des valeurs propres et l'optimisation des réseaux neuronaux profonds. La monographie se concentre sur les décompositions de train tensoriel (TT) et de Tucker hiérarchique (HT) et leurs extensions, et sur la démonstration de la capacité des réseaux tensoriel à fournir des solutions évolutives pour une variété de problèmes d'optimisation à grande échelle autrement insolubles.
Réseaux tensoriels pour la réduction de la dimensionnalité et l'optimisation à grande échelle Les parties 1 et 2 peuvent être utilisées comme des textes autonomes, ou ensemble comme une revue complète du domaine passionnant des réseaux tensoriels de faible rang et des décompositions tensorielles.
Voir aussi : Réseaux tensoriels pour la réduction de la dimensionnalité et l'optimisation à grande échelle : Part 1 Low-Rank Tensor Decompositions.ISBN 978-1-68083-222-8.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)