arXiv · ML· Albert Saiapin, Kim Batselier·· 23 小时前AI 评分20
GB-CPKM：利用梯度提升实现张量网络核机器的高效秩发现
Gradient Boosting for Efficient Rank Discovery in Tensor Network Kernel Machines
AI 导读
提出GB-CPKM梯度提升框架，通过顺序添加固定秩学习器替代显式秩搜索，优化张量网络核机器。 实验显示，相比基于交叉验证的传统方法，GB-CPKM训练速度提升6倍，峰值内存降低2倍，且预测性能相当。 代码已开源，展示了梯度提升在张量网络学习中提升计算效率和可扩展性的潜力。
来源：arXiv · ML · arxiv.org