Fugu-MT 論文翻訳(概要): Tensor Decompositions in Deep Learning

論文の概要: Tensor Decompositions in Deep Learning

arxiv url: http://arxiv.org/abs/2002.11835v1
Date: Wed, 26 Feb 2020 23:07:19 GMT
ステータス: 処理完了
システム内更新日: 2022-12-28 14:23:32.874797
Title: Tensor Decompositions in Deep Learning
Title（参考訳）: 深層学習におけるテンソル分解
Authors: Davide Bacciu and Danilo P. Mandic
Abstract要約: 本稿では、現代の機械学習アプリケーションにおけるテンソル分解の話題について調査する。深層学習モデルのパラメータ空間の圧縮におけるテンソル分解の利用を検討する。本稿では,テンソル法を用いて複雑なデータのよりリッチな適応表現を実現する方法について論じる。
参考スコア（独自算出の注目度）: 34.295795764811714
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper surveys the topic of tensor decompositions in modern machine learning applications. It focuses on three active research topics of significant relevance for the community. After a brief review of consolidated works on multi-way data analysis, we consider the use of tensor decompositions in compressing the parameter space of deep learning models. Lastly, we discuss how tensor methods can be leveraged to yield richer adaptive representations of complex data, including structured information. The paper concludes with a discussion on interesting open research challenges.
Abstract（参考訳）: 本稿では、現代の機械学習アプリケーションにおけるテンソル分解の話題について調査する。コミュニティにとって重要な意味を持つ3つの活発な研究トピックに焦点を当てている。マルチウェイデータ解析における統合的な研究の簡単なレビューの後、深層学習モデルのパラメータ空間の圧縮におけるテンソル分解の利用を検討する。最後に,テンソル法を用いて,構造化情報を含む複雑なデータのよりリッチな適応表現を実現する方法について論じる。論文は、興味深いオープンリサーチ課題に関する議論から締めくくっている。

関連論文リスト

Synthesizing Scientific Summaries: An Extractive and Abstractive Approach [0.5904095466127044]
論文要約のためのハイブリッド手法を提案する。抽出段階では教師なし学習に基づく2つのモデルとトランスフォーマー言語モデルを用いる。ハイパーパラメータの特定の組み合わせを用いることで、自動要約システムが人間によって書かれた要約の抽象性を超えることが可能であることが判明した。
論文参考訳（メタデータ） (2024-07-29T08:21:42Z)
The Geometric Structure of Topic Models [0.0]
研究や応用に広く利用されているにもかかわらず、トピックモデルの詳細な分析は依然としてオープンな研究トピックである。平坦なトピックモデルから順序構造を導出する入射幾何学的手法を提案する。規則的モチーフに基づく概念階層のための新しい可視化パラダイムを提案する。
論文参考訳（メタデータ） (2024-03-06T10:53:51Z)
Extracting Polymer Nanocomposite Samples from Full-Length Documents [6.25070848511355]
本稿では, 高分子ナノコンポジット (PNC) のサンプルリストの抽出に大規模言語モデル (LLM) を用いることを検討した。この課題は、テキスト中に多くの属性が散在するPNCサンプルの複雑な性質にある。
論文参考訳（メタデータ） (2024-03-01T03:51:56Z)
Dynamic Latent Separation for Deep Learning [67.62190501599176]
機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
論文参考訳（メタデータ） (2022-10-07T17:56:53Z)
A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and Future Directions [48.97008907275482]
クラスタリングは、文献で広く研究されている基本的な機械学習タスクである。ディープクラスタリング(Deep Clustering)、すなわち表現学習とクラスタリングを共同で最適化する手法が提案され、コミュニティで注目を集めている。深層クラスタリングの本質的なコンポーネントを要約し、深層クラスタリングと深層クラスタリングの相互作用を設計する方法によって既存の手法を分類する。
論文参考訳（メタデータ） (2022-06-15T15:05:13Z)
Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review [85.36368666877412]
ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。 3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
論文参考訳（メタデータ） (2022-05-13T00:39:23Z)
Tensor Methods in Computer Vision and Deep Learning [120.3881619902096]
テンソル(tensor)は、複数の次元の視覚データを自然に表現できるデータ構造である。コンピュータビジョンにおけるディープラーニングパラダイムシフトの出現により、テンソルはさらに基本的なものになっている。本稿では,表現学習と深層学習の文脈において,テンソルとテンソル法を深く,実践的に検討する。
論文参考訳（メタデータ） (2021-07-07T18:42:45Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Recurrent Coupled Topic Modeling over Sequential Documents [33.35324412209806]
現在のトピックは、結合重みが対応するすべてのトピックから進化し、マルチトピック・スレッドの進化を形成することを示す。進化するトピック間のマルチカップリングを解消する,新しいデータ拡張手法を用いた新しいソリューションを提案する。後方フィルタアルゴリズムを備えた新しいギブスサンプリング器は、閉形式の潜時時間パラメータを効率的に学習する。
論文参考訳（メタデータ） (2021-06-23T08:58:13Z)
Deep Neural Approaches to Relation Triplets Extraction: A Comprehensive Survey [22.586079965178975]
我々は、公開データセット上のディープニューラルネットワークを用いた関係抽出に焦点を当てる。文レベルの関係抽出,文書レベルの関係抽出,パイプラインによる共同抽出アプローチ,注釈付きデータセット,遠隔教師付きデータセットなどについて述べる。本稿では,ニューラルネットワークについて,畳み込みモデル,リカレントネットワークモデル,アテンションネットワークモデル,グラフ畳み込みモデルについて報告する。
論文参考訳（メタデータ） (2021-03-31T09:27:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。