Ahmed E. Helal

ReLATE框架通过学习的稀疏编码加速张量分解

研究人员开发了ReLATE，一个旨在通过学习最优稀疏编码来加速张量分解（TD）的新型框架。该方法利用强化学习方法，结合了无模型和基于模型的算法，在无需标记数据的情况下发现高效编码。ReLATE集成了弹性训练和规则驱动动作掩码等功能，以确保学习阶段的准确性和有界执行时间。训练完成后，ReLATE的性能显著提升，在开销极小的情况下，其性能比专家设计的格式快2倍。