Tenzorhálózatok a dimenziócsökkentéshez és a nagyméretű optimalizáláshoz: rész Alkalmazások és jövőbeli kilátások

Eredeti címe:

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

Könyv tartalma:

Ez a monográfia a Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 1 Low-Rank Tensor Decompositions a tenzorhálózati modellek tárgyalásával az adatok/paraméterek és költségfüggvények szupersűrített, magasabb rendű reprezentációjára, valamint a gépi tanulásban és az adatelemzésben való alkalmazásuk vázlatos bemutatásával. Különös hangsúlyt fektetünk annak grafikus illusztrációkon keresztül történő megvilágítására, hogy az alapul szolgáló alacsony rangú tenzor-közelítések és a magtenzorok kifinomult összehúzásai révén a tenzorhálózatok képesek elosztott számításokat végezni az egyébként tiltottan nagy mennyiségű adat/paramétereken, ezáltal enyhítve a dimenzionalitás átkát. E koncepció hasznosságát számos alkalmazott területen szemléltetjük, többek között az általánosított regresszió és osztályozás, az általánosított sajátérték-lebontás és a mély neurális hálózatok optimalizálásában. A monográfia a tenzorvonalak (TT) és a hierarchikus Tucker-dekompozíciókra (HT) és ezek kiterjesztéseire összpontosít, valamint annak bemutatására, hogy a tenzorhálózatok képesek skálázható megoldásokat nyújtani számos, egyébként nehezen megoldható, nagyméretű optimalizálási problémára.

Tensor Networks for Dimensionality Reduction and Large-scale Optimization Az 1. és 2. rész önálló szövegként is használható, vagy együttesen átfogó áttekintést ad az alacsony rangú tenzorhálózatok és tenzorbontások izgalmas területéről.

Lásd még: Tensor Networks for Dimensionality Reduction and Large-scale Optimization: ISBN 978-1-68083-222-8.