Canonical Polyadic Decomposition of Third-Order Tensors: Reduction to Generalized Eigenvalue Decomposition
PulseAugur coverage of Canonical Polyadic Decomposition of Third-Order Tensors: Reduction to Generalized Eigenvalue Decomposition — every cluster mentioning Canonical Polyadic Decomposition of Third-Order Tensors: Reduction to Generalized Eigenvalue Decomposition across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的HMD框架提供高效高光谱图像分类
研究人员开发了一种名为整体多变量分解（HMD）的新框架，用于高光谱图像分类。这种新颖的方法旨在通过捕获复杂时空光谱相互依赖性来提高准确性和效率，而无需传统卷积神经网络（CNN）的高计算成本。HMD框架，包括其HMD-0、HMD-1和HMD-2变体，被设计为一个可微分的神经网络层，可以进行端到端优化。在基准数据集上的评估表明，HMD层在性能上优于Tucker和Tensor Train等经典张量分解方法，同时在参数数量显著减少的情况下，提…
-
新的张量训练建模提升离散扩散模型速度
研究人员引入了一个名为张量训练联合建模的新框架，以提高顺序数据的离散扩散模型的速度和效率。该方法通过显式地使用张量分解对联合分布进行建模，解决了当前模型中阻碍少步生成的局限性。该框架支持标准多重分解（CPD）和张量训练分解（TTD），其中TTD由于偏向于相邻标记依赖性，特别适合自然语言等顺序数据。通过微调，该方法可以集成到现有模型中，在减少计算成本的情况下显著提高少步生成能力。
-
Tensor-Coord 框架使用多线性代数实现无冲突多智能体LLM规划
研究人员开发了 Tensor-Coord，一个利用多线性代数来表示和分解多个大型语言模型生成的联合规划的新框架。该方法将联合规划分解为张量，从而无需领域特定规则即可识别协调结构和冲突分数。实验表明，Tensor-Coord 可以显著提高多智能体场景下无冲突规划的收敛速度，成功率因涉及的智能体数量而异。