Sieci tensorowe do redukcji wymiarowości i optymalizacji na dużą skalę: Część 2: Zastosowania i perspektywy na przyszłość

Oryginalny tytuł:

Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 2 Applications and Future Perspectives

Zawartość książki:

Niniejsza monografia opiera się na publikacji Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 1 Low-Rank Tensor Decompositions poprzez omówienie modeli sieci tensorowych dla super skompresowanej reprezentacji wyższego rzędu danych/parametrów i funkcji kosztu, wraz z zarysem ich zastosowań w uczeniu maszynowym i analizie danych. Szczególny nacisk położono na wyjaśnienie, za pomocą graficznych ilustracji, że dzięki bazowym aproksymacjom tensorów niskiego rzędu i wyrafinowanym skurczom tensorów rdzenia, sieci tensorowe mają zdolność do wykonywania rozproszonych obliczeń na zaporowo dużej ilości danych/parametrów, łagodząc w ten sposób przekleństwo wymiarowości. Przydatność tej koncepcji została zilustrowana w wielu obszarach zastosowań, w tym w uogólnionej regresji i klasyfikacji, uogólnionej dekompozycji wartości własnej oraz w optymalizacji głębokich sieci neuronowych. Monografia koncentruje się na tensorowych (TT) i hierarchicznych (HT) dekompozycjach Tuckera i ich rozszerzeniach, a także na wykazaniu zdolności sieci tensorowych do dostarczania skalowalnych rozwiązań dla różnych problemów optymalizacyjnych na dużą skalę.

Tensor Networks for Dimensionality Reduction and Large-scale Optimization Części 1 i 2 mogą być używane jako samodzielne teksty lub razem jako kompleksowy przegląd ekscytującej dziedziny sieci tensorowych niskiego rzędu i rozkładów tensorowych.

Zobacz także: Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 1 Low-Rank Tensor Decompositions.ISBN 978-1-68083-222-8.