PulseAugur
中
实时 01:39:04
English(EN) (MPO)$^2$: Multivariate Polynomial Optimization based on Matrix Product Operators

新的基于MPO的框架增强了多项式函数逼近能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了一个名为基于矩阵乘积算子的多元多项式优化((MPO)$^2$)的新框架。该方法结合了学习到的MPO特征嵌入和紧凑的多项式权重张量，以创建高效的多项式表示。该框架不依赖于特征顺序，并且可以整合结构化算子，如投影和卷积。在回归和分类基准测试中，(MPO)$^2$在多项式函数逼近方面，相比现有的基于张量分解的多项式模型展现出改进，提供了一种灵活的替代方案。 AI

影响 为机器学习任务中的多项式函数逼近提供了一种更高效、更灵活的方法。

排序理由 该集群包含一篇详细介绍机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的基于MPO的框架增强了多项式函数逼近能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Niccol\`o Ciolli, Anders Vestergaard N{\o}rskov, Michael Kastoryano, Petr Taborsky, Morten M{\o}rup ·

    (MPO)$^2$：基于矩阵乘积算子的多变量多项式优化

    arXiv:2607.15916v1 Announce Type: new Abstract: Central to machine learning and signal processing is the ability to perform universal function approximation and learn complex input-output relationships from limited numbers of observations. Multivariate polynomial models offer a n…

相关实体

相关话题