新的JAX框架简化了张量网络核机开发

研究人员开发了“tnkm”，一个基于JAX的开源Python库，用于构建和训练张量网络核机（TNKM）。该框架通过将非线性特征表示与紧凑的低秩张量网络参数化相结合，旨在创建既有表现力又计算高效的非线性模型。该库为各种特征映射、张量网络架构和优化策略（包括交替最小二乘法和基于梯度的方​​法）提供了一个统一的接口。在非线性基准问题上的初步演示表明，TNKM模型在高效训练和紧凑参数化方面取得了具有竞争力的预测精度。 AI

影响 这个新框架可能会加速基于张量网络的学习方法的研究和应用，从而可能带来更高效的非线性模型。

排序理由 该集群描述了一个用于机器学习研究的新开源软件库，该库已在arXiv论文中详细介绍。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Alternating Least-Squares for Low-Rank Matrix Reconstruction
• arXiv
• Gradient-based methods
• JAX
• Python
• Tensor Network Kernel Machines

• 论文
• 基础设施

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