English(EN) Query Efficient Structured Matrix Learning

新方法大幅降低矩阵学习查询复杂度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-24 04:00

研究人员开发了一种更有效的方法来学习矩阵的结构化近似，这对于各种科学计算和机器学习应用至关重要。新方法显著减少了所需的查询次数，通过实现接近最优的复杂度来改进现有技术。这一进展对于从大型矩阵族中学习特别有益，并对快速矩阵乘法和优化算法预条件器的开发等领域产生影响。 AI

影响提高了机器学习算法中至关重要的矩阵运算效率。

排序理由该集群包含一篇详细介绍具有改进理论复杂度的াজের新算法方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Noah Amsel, Pratyush Avi, Tyler Chen, Feyza Duman Keles, Chinmay Hegde, Cameron Musco, Christopher Musco, David Persson · 2026-08-24 04:00

查询高效结构化矩阵学习

arXiv:2507.19290v2 Announce Type: replace-cross Abstract: We study the problem of learning a structured approximation (low-rank, sparse, banded, etc.) to an unknown matrix $A$ given access to matrix-vector product (matvec) queries of the form $x \rightarrow Ax$ and $x \rightarrow…