实体
Tucker decomposition
Tucker decomposition
PulseAugur coverage of Tucker decomposition — every cluster mentioning Tucker decomposition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的DiffATS框架在对齐张量基元上训练扩散模型
研究人员推出了一种新颖的生成框架DiffATS,该框架直接在对齐张量基元上训练扩散模型。该方法通过使用紧凑的、数据相关的张量基元来表示数据,解决了高分辨率时空场建模的计算挑战。通过利用Tucker分解和正交Procrustes(OP)对齐,DiffATS解决了规范模糊性并创建了拓扑忠实的表示。该框架在图像、视频和PDE解的无条件和条件生成方面表现出色,在不依赖预训练自编码器的情况下实现了显著的数据压缩。
-
新的CA-DGCL框架解决了动态图持续学习中的遗忘问题
研究人员推出了一种名为CA-DGCL的新框架,旨在通过解决灾难性遗忘问题来改进动态图持续学习(DGCL)。该方法通过将历史图快照压缩成语义表示,然后构建一个跨时间戳的节点链。该链用于通过Tucker分解生成稳定的节点特征,然后将这些特征附加到当前图中,以便在不干扰新模式的情况下重放过去的信息。CA-DGCL还包含一个针对动态图设置的精细遗忘度量,实验表明,它在遗忘抑制方面优于现有方法,同时保持了具有竞争力的准确性。