Buchumschlag

An Adaptive Tensor-Train Decomposition Approach for Efficient Deep Neural Network Compression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Shiyi, Liu, Mingshuo, Yu, Yifeng, Ren, Shangping, Bai, Yu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning 68T10, 65K10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomized Matrix Sketching for Neural Network Training and Gradient Monitoring
von: Antil, Harbir, et al.
Veröffentlicht: (2025)

Approximation and Gradient Descent Training with Neural Networks
von: Welper, G.
Veröffentlicht: (2024)

Recent Advances in Non-convex Smoothness Conditions and Applicability to Deep Linear Neural Networks
von: Patel, Vivak, et al.
Veröffentlicht: (2024)

Approximation of the Proximal Operator of the $\ell_\infty$ Norm Using a Neural Network
von: Linehan, Kathryn, et al.
Veröffentlicht: (2024)

An Asymptotically Optimal Coordinate Descent Algorithm for Learning Bayesian Networks from Gaussian Models
von: Xu, Tong, et al.
Veröffentlicht: (2024)

To be or not to be stable, that is the question: understanding neural networks for inverse problems
von: Evangelista, Davide, et al.
Veröffentlicht: (2022)

Deep Unfolding Network for Nonlinear Multi-Frequency Electrical Impedance Tomography
von: Alberti, Giovanni S., et al.
Veröffentlicht: (2025)

Error Bound Analysis for the Regularized Loss of Deep Linear Neural Networks
von: Chen, Po, et al.
Veröffentlicht: (2025)

A Layer Separation Optimization Framework for Cross-Entropy Training in Deep Learning
von: Liu, Yaru, et al.
Veröffentlicht: (2026)

A resource-efficient model for deep kernel learning
von: D'Amore, Luisa
Veröffentlicht: (2024)

Neural-network methods for two-dimensional finite-source reflector design
von: Hacking, Roel, et al.
Veröffentlicht: (2026)

Leveraging joint sparsity in hierarchical Bayesian learning
von: Glaubitz, Jan, et al.
Veröffentlicht: (2023)

Multilevel Training for Kolmogorov Arnold Networks
von: Southworth, Ben S., et al.
Veröffentlicht: (2026)

Derivative-Informed Fourier Neural Operator: Universal Approximation and Applications to PDE-Constrained Optimization
von: Yao, Boyuan, et al.
Veröffentlicht: (2025)

Fixed-Point Neural Optimal Transport without Implicit Differentiation
von: Park, Yesom, et al.
Veröffentlicht: (2026)

Sequential Least-Squares Estimators with Fast Randomized Sketching for Linear Statistical Models
von: Chen, Guan-Yu, et al.
Veröffentlicht: (2025)

The Pontryagin Maximum Principle for Training Convolutional Neural Networks
von: Hofmann, Sebastian, et al.
Veröffentlicht: (2025)

Convergence of Momentum-Based Optimization Algorithms with Time-Varying Parameters
von: Vidyasagar, Mathukumalli
Veröffentlicht: (2025)

On Maximum-a-Posteriori estimation with Plug & Play priors and stochastic gradient descent
von: Laumont, Rémi, et al.
Veröffentlicht: (2022)

Designing Preconditioners for SGD: Local Conditioning, Noise Floors, and Basin Stability
von: Scott, Mitchell, et al.
Veröffentlicht: (2025)

Consensus-based optimization for closed-box adversarial attacks and a connection to evolution strategies
von: Roith, Tim, et al.
Veröffentlicht: (2025)

A Structure-Guided Gauss-Newton Method for Shallow ReLU Neural Network
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Hessian of Perplexity for Large Language Models by PyTorch autograd (Open Source)
von: Ilin, Ivan
Veröffentlicht: (2025)

SDFs from Unoriented Point Clouds using Neural Variational Heat Distances
von: Weidemaier, Samuel, et al.
Veröffentlicht: (2025)

Holonorm
von: Yongueng, Daryl Noupa, et al.
Veröffentlicht: (2025)

Self2Seg: Single-Image Self-Supervised Joint Segmentation and Denoising
von: Gruber, Nadja, et al.
Veröffentlicht: (2023)

Model Parallel Training and Transfer Learning for Convolutional Neural Networks by Domain Decomposition
von: Klawonn, Axel, et al.
Veröffentlicht: (2024)

Shape Gradient Based Non-Parametric Mumford-Shah Segmentation Without Level Sets
von: P, Shafeequdheen, et al.
Veröffentlicht: (2025)

Deceptron: Learned Local Inverses for Fast and Stable Physics Inversion
von: Kachhadiya, Aaditya L.
Veröffentlicht: (2025)

OCTANE -- Optimal Control for Tensor-based Autoencoder Network Emergence: Explicit Case
von: Khatri, Ratna, et al.
Veröffentlicht: (2025)

Randomized flexible Krylov methods for $\ell_p$ regularization
von: Landman, Malena Sabaté, et al.
Veröffentlicht: (2025)

Hadamard Langevin dynamics for sampling the l1-prior
von: Cheltsov, Ivan, et al.
Veröffentlicht: (2024)

Neural Network-Based Parameter Estimation for Non-Autonomous Differential Equations with Discontinuous Signals
von: Jo, Hyeontae, et al.
Veröffentlicht: (2025)

Faster Adaptive Optimization via Expected Gradient Outer Product Reparameterization
von: DePavia, Adela, et al.
Veröffentlicht: (2025)

Total Normal Curvature Regularization and its Minimization for Surface and Image Smoothing
von: Lu, Tianle, et al.
Veröffentlicht: (2025)

Error bounds for Physics Informed Neural Networks in Generalized KdV Equations placed on unbounded domains
von: Freire, Ricardo, et al.
Veröffentlicht: (2026)

The Bayesian SIAC filter
von: Glaubitz, Jan, et al.
Veröffentlicht: (2025)

On the Convergence Behavior of Preconditioned Gradient Descent Toward the Rich Learning Regime
von: Jiang, Shuai, et al.
Veröffentlicht: (2026)

Boost Like a (Var)Pro: Trust-Region Gradient Boosting via Variable Projection
von: Chowdhary, Abhijit, et al.
Veröffentlicht: (2026)

Expansive Natural Neural Gradient Flows for Energy Minimization
von: Dahmen, Wolfgang, et al.
Veröffentlicht: (2025)