计算数学与统计研讨会:高维随机数据的随机张量网络算法

发言人:

Yuehaw邱他是芝加哥大学统计学助理教授

标题:

高维随机数据的随机张量网络算法

文摘:

张量网络解析早已被用于求解高维Schrödinger方程, 展示关于维度的线性复杂性缩放. 最近, 这种分析已经在各种机器学习场景中得到了应用, 包括监督学习和生成建模, 数据是从随机过程中产生的. 在这次演讲中, 我们提出了随机线性代数的一个新观点, 展示了它在I的张量网络中估计密度的用法.i.d. 分布的样本, 没有维度的诅咒, 而且不需要使用优化技术. 此外, 我们说明了这个概念如何结合粒子和张量网络方法的优势来解决高维偏微分方程, 从而增强了这两种方法的灵活性.

计算数学与统计研讨会