实体
Alternating Least-Squares for Low-Rank Matrix Reconstruction
Alternating Least-Squares for Low-Rank Matrix Reconstruction
PulseAugur coverage of Alternating Least-Squares for Low-Rank Matrix Reconstruction — every cluster mentioning Alternating Least-Squares for Low-Rank Matrix Reconstruction across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
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。
-
Snowflake 通过新的 HPO API 简化 ALS 推荐引擎训练
Snowflake 推出了其超参数优化 (HPO) 服务的新 API，旨在简化交替最小二乘法 (ALS) 推荐引擎的训练分发。此功能解决了 ALS（一种流行的协同过滤算法）高效扩展的长期挑战。此次集成旨在让数据工程师和开发人员更轻松地训练和部署推荐模型。
-
新的TT-ALS算法为流式数据提供高效张量分解
研究人员开发了一种名为Online TT-ALS的新型张量分解算法，旨在更有效地处理流式数据。该方法通过强制执行正交性约束来改进现有技术，从而实现更准确的重建和更平滑的时间数据。与深度学习方法相比，该算法在计算上具有显著优势，速度提高了几个数量级，并且适用于实时应用。