实体
Tensor Trains
Tensor Trains
PulseAugur coverage of Tensor Trains — every cluster mentioning Tensor Trains 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
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
量子启发的张量模型增强临床AI的隐私性
研究人员开发了一种新颖的防御机制，以应对临床机器学习模型中的隐私风险，特别是那些用于预测免疫治疗反应的模型。研究强调，即使是像逻辑回归（LR）这样的透明模型也可能无意中泄露患者数据，队列级别的成员推理攻击成功地识别了训练集中的个体。为了缓解这种情况，该团队提出了一种使用张量训练（TTs）的量子启发方法，以混淆模型参数，同时保持准确性和可解释性。这种张量化方法为增强临床预测模型的隐私性提供了一个实际的解决方案，并将益处扩展到神经网络。
-
受量子启发的TT-Net利用张量网络推进图像去噪
研究人员推出了一种新颖的图像去噪方法TT-Net，该方法利用受量子启发的张量网络方法。与使用奇异值分解（SVD）处理单个通道的现有方法不同，TT-Net采用双切张量链分解来访问跨通道信息。这一进展使得TT-Net在处理高斯噪声、运动模糊和椒盐噪声等各种噪声类型时，在去噪质量上优于SVD-Net。该研究还表明，受量子启发的工具可以作为深度学习应用中有效的特征过滤器。
-
新框架利用张量网络实现海量数据集的高效计算
研究人员引入了迭代张量网络变换（ITNTs），这是一个新颖的算法框架，用于元素级评估基本函数和非线性滤波函数。该方法完全在张量链（TTs，一种张量网络）的压缩域内运行，从而能够对极其庞大的数据集进行高效计算。该框架已在复杂任务中展示了其效用，例如计算3D反应流场中的高保真反应速率以及解决涉及多达 $2^{70}$ 个配置的Max-SAT实例。