English(EN) Accurate Trace Estimation with Fewer Random Bits via Recursive TensorSketch

新的递归 TensorSketch 方法减少了矩阵迹估计所需的随机比特数量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

研究人员开发了一种估算大型隐式矩阵迹的新方法，这项工作计算量可能很大。这种新颖的方法，称为递归 TensorSketch，与现有的 Hutchinson 迹估计器等方法相比，显著减少了所需的随机比特数量。所提出的技术在保持无偏估计和多项式界定与矩阵维度相关的方差的同时实现了这种效率，解决了先前工作的局限性。 AI

影响这项研究可能为依赖矩阵运算的大规模机器学习模型带来更高效的计算。

排序理由该集群包含一篇详细介绍特定计算问题的新的算法方法的论文。[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 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍特定计算问题的新的算法方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Mohammad Azhar Khan, Rameshwar Pratap, Amit Sharma · 2026-09-17 04:00

通过递归张量草图用更少的随机比特实现精确轨迹估计

arXiv:2609.18577v1 Announce Type: new Abstract: We consider the problem of estimating the trace of an implicit matrix $\mathbf{A} \in \mathbb{R}^{d^p\times d^p}$ that can only be accessed through matrix-vector products queries. The \textit{Hutchinson trace estimator}% ~\cite{Gira…

本文如何被排名

报道来源 [1]

通过递归张量草图用更少的随机比特实现精确轨迹估计

相关实体

相关话题