【ACML2020】张量网络机器学习:最近的进展和前沿,109页ppt

2020 年 12 月 15 日 专知


张量网络是由许多低阶张量组成的网络来表示高阶张量的有效方法,这些低阶张量网络在量子物理和应用数学中都有研究。近年来,TNs在机器学习中得到了越来越多的研究和应用,用于深度神经网络(DNNs)的高维数据分析、模型压缩和高效计算,以及对DNNs表达能力的理论分析。本教程旨在从TN数据表示、参数建模和函数逼近的角度介绍TNs技术应用于机器学习的最新进展。具体来说,我们将介绍TNs的基本模型和算法,无监督学习的典型方法,张量补全,多模态学习以及在DNN, CNN, RNN等中的各种应用。我们还讨论了这一研究领域的新前沿和未来趋势。

  • Part I. 张量方法数据表示 Tensor Methods for Data Representation

    1.  Tensor Train and Tensor Ring Models

    1.  Tensor Network Diagram

    1.  Latent Convex Tensor Decomposition

    1.  Tensor Completion for Missing Values

    1.  Tensor Decomposition

  • Part II. 张量网络深度学习建模Tensor Networks in Deep Learning Modeling

    1.  Applications to RNN, LSTM, and Transformer

    1.  Multimodal Learning by Tensor Networks

    1.  Tensor Networks for Theoretical Analysis of DNNs

    1.  Speedup and Compression of CNN

    1.  Exponential Machine

    1.  Supervised Learning with Quantum Inspired Tensor Networks

    1.  Learning Algorithms for Reparametrization by Tensor Networks

    1.  Model Compression of NN by Tensor Networks

  • Part III. 前沿进展与趋势 Frontiers and Future Trends

    1.  Discussions

    1.  Structure Learning of Tensor Networks

    1.  Supervised Learning by Multi-scale TNs, 2D PEPS type TNs, and Tree TNs

    1.  Gaussian Mixture Distribution with Multi-dimensional Modes

    1.  Generative Modeling by TN

    1.  TN Representation for Probabilistic Graphical Model

    1.  TN for Function Approximation of Supervised Learning




专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“TML” 可以获取《【ACML2020】张量网络机器学习:最近的进展和前沿,109页ppt》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
3

相关内容

Asian Conference on Machine Learning(ACML)是机器学习领域的国际会议。它旨在为机器学习和相关领域的研究人员提供一个领先的国际论坛,分享他们的新想法和成就。官网链接:http://acml-conf.org/default.aspx?AspxAutoDetectCookieSupport=1
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
149+阅读 · 2021年1月28日
《图表示学习》报告,McGill助理教授Hamilton讲授,79页ppt
NLPCC 2020《预训练语言模型回顾》讲义下载,156页PPT
专知会员服务
47+阅读 · 2020年10月17日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
【KDD2020】图深度学习:基础、进展与应用,182页ppt
专知会员服务
133+阅读 · 2020年8月30日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
75+阅读 · 2020年8月30日
【MLSS2020】最新《深度学习基础》视频讲解,42页ppt
专知会员服务
46+阅读 · 2020年8月5日
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
深度强化学习策略梯度教程,53页ppt
专知会员服务
175+阅读 · 2020年2月1日
【KDD2020】图神经网络:基础与应用,322页ppt
贝叶斯机器学习前沿进展
机器学习研究会
20+阅读 · 2018年1月21日
Arxiv
9+阅读 · 2021年4月8日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
9+阅读 · 2019年4月19日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
Arxiv
11+阅读 · 2018年1月15日
VIP会员
相关VIP内容
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
149+阅读 · 2021年1月28日
《图表示学习》报告,McGill助理教授Hamilton讲授,79页ppt
NLPCC 2020《预训练语言模型回顾》讲义下载,156页PPT
专知会员服务
47+阅读 · 2020年10月17日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
【KDD2020】图深度学习:基础、进展与应用,182页ppt
专知会员服务
133+阅读 · 2020年8月30日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
75+阅读 · 2020年8月30日
【MLSS2020】最新《深度学习基础》视频讲解,42页ppt
专知会员服务
46+阅读 · 2020年8月5日
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
深度强化学习策略梯度教程,53页ppt
专知会员服务
175+阅读 · 2020年2月1日
相关论文
Arxiv
9+阅读 · 2021年4月8日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
9+阅读 · 2019年4月19日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
Arxiv
11+阅读 · 2018年1月15日
Top
微信扫码咨询专知VIP会员