【ACML2020】张量网络机器学习:最近的进展和前沿，109页ppt

文章预览

张量网络是由许多低阶张量组成的网络来表示高阶张量的有效方法，这些低阶张量网络在量子物理和应用数学中都有研究。近年来，TNs在机器学习中得到了越来越多的研究和应用，用于深度神经网络(DNNs)的高维数据分析、模型压缩和高效计算，以及对DNNs表达能力的理论分析。 本教程旨在从TN数据表示、参数建模和函数逼近的角度介绍TNs技术应用于机器学习的最新进展。 具体来说，我们将介绍TNs的基本模型和算法，无监督学习的典型方法，张量补全，多模态学习以及在DNN, CNN, RNN等中的各种应用。我们还讨论了这一研究领域的新前沿和未来趋势。 Part I. 张量方法数据表示 Tensor Methods for Data Representation  Tensor Train and Tensor Ring Models  Tensor Network Diagram  Latent Convex Tensor Decompo ………………………………