Saiapin与Batselier提出GB-CPKM梯度提升张量核机器
热点事件持续更新
Saiapin与Batselier提出GB-CPKM梯度提升张量核机器
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Albert Saiapin 与 Kim Batselier 提出 GB-CPKM，一种基于梯度提升的 CP 张量网络核机器框架：通过依次添加固定秩学习器提升模型容量，用集成规模代替显式张量秩搜索。 在真实回归基准上，与基于交叉验证的秩选择方法相比，GB-CPKM 训练最快提速 6 倍、峰值内存最多减少 2 倍，预测性能相当。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
GB-CPKM：用梯度提升实现张量网络核机器的高效秩选择报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIGB-CPKM：用梯度提升实现张量网络核机器的高效秩选择
研究者提出 GB-CPKM，一种基于梯度提升的张量网络核机器（TNKM）框架，通过依次添加固定秩学习器逐步提升模型容量，以集成规模代替显式张量秩搜索。在真实回归基准上，相比基于交叉验证的秩选择方法，GB-CPKM 训练最快提速 6 倍、峰值内存最多减少 2 倍，预测性能相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。