Învățarea spectrală pe matrici și tensori

Titlul original:

Spectral Learning on Matrices and Tensors

Conținutul cărții:

Autorii acestei monografii analizează progresele recente în utilizarea metodelor spectrale, inclusiv a tehnicilor de descompunere a matricei și a tensorilor, pentru a învăța multe modele populare de variabile latente. Cu o implementare atentă, metodele bazate pe tensori pot funcționa eficient în practică și, în multe cazuri, acestea sunt singurii algoritmi cu garanții demonstrabile privind timpul de funcționare și complexitatea eșantionului.

Accentul se pune pe un tip special de descompunere tensorială numită descompunere CP, iar autorii acoperă o gamă largă de algoritmi pentru a găsi componentele unei astfel de descompunerea tensorială. Ei discută, de asemenea, utilitatea acestei descompuneri prin examinarea mai multor modele probabilistice care pot fi învățate utilizând astfel de metode tensoriale.

A doua jumătate a monografiei analizează aplicațiile practice. Aceasta include utilizarea Tensorly, un pachet software eficient de algebră tensorială, care are o interfață python simplă pentru exprimarea operațiilor tensoriale. De asemenea, are un sistem back-end flexibil care acceptă NumPy, PyTorch, TensorFlow și MXNet.

Spectral Learning on Matrices and Tensors oferă o introducere teoretică și practică în proiectarea și implementarea învățării spectrale atât pe matrici, cât și pe tensori. Este de interes pentru toți studenții, cercetătorii și practicienii care lucrează pe probleme moderne de învățare automată.