Tucker Attention: A generalization of approximate attention mechanisms
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Klein, Timon, Kusch, Jonas, Sager, Sebastian, Schnake, Stefan, Schotthöfer, Steffen |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A geometric framework for momentum-based optimizers for low-rank training
par: Schotthöfer, Steffen, et autres
Publié: (2025)
par: Schotthöfer, Steffen, et autres
Publié: (2025)
Mitigating Subject Dependency in EEG Decoding with Subject-Specific Low-Rank Adapters
par: Klein, Timon, et autres
Publié: (2025)
par: Klein, Timon, et autres
Publié: (2025)
GeoLoRA: Geometric integration for parameter efficient fine-tuning
par: Schotthöfer, Steffen, et autres
Publié: (2024)
par: Schotthöfer, Steffen, et autres
Publié: (2024)
Geometry-aware training of factorized layers in tensor Tucker format
par: Zangrando, Emanuele, et autres
Publié: (2023)
par: Zangrando, Emanuele, et autres
Publié: (2023)
An Augmented Backward-Corrected Projector Splitting Integrator for Dynamical Low-Rank Training
par: Kusch, Jonas, et autres
Publié: (2025)
par: Kusch, Jonas, et autres
Publié: (2025)
Dynamical Low-Rank Compression of Neural Networks with Robustness under Adversarial Attacks
par: Schotthöfer, Steffen, et autres
Publié: (2025)
par: Schotthöfer, Steffen, et autres
Publié: (2025)
Federated Dynamical Low-Rank Training with Global Loss Convergence Guarantees
par: Schotthöfer, Steffen, et autres
Publié: (2024)
par: Schotthöfer, Steffen, et autres
Publié: (2024)
Compressing Vision Transformers in Geospatial Transfer Learning with Manifold-Constrained Optimization
par: Snyder, Thomas, et autres
Publié: (2026)
par: Snyder, Thomas, et autres
Publié: (2026)
HADL Framework for Noise Resilient Long-Term Time Series Forecasting
par: Dey, Aditya, et autres
Publié: (2025)
par: Dey, Aditya, et autres
Publié: (2025)
Poly-attention: a general scheme for higher-order self-attention
par: Chakrabarti, Sayak, et autres
Publié: (2026)
par: Chakrabarti, Sayak, et autres
Publié: (2026)
LORA-CRAFT: Cross-layer Rank Adaptation via Frozen Tucker Decomposition of Pre-trained Attention Weights
par: Dewage, Kasun, et autres
Publié: (2026)
par: Dewage, Kasun, et autres
Publié: (2026)
Towards Symbolic XAI -- Explanation Through Human Understandable Logical Relationships Between Features
par: Schnake, Thomas, et autres
Publié: (2024)
par: Schnake, Thomas, et autres
Publié: (2024)
Sink vs. diagonal patterns as mechanisms for attention switch and oversmoothing prevention
par: Súkeník, Peter, et autres
Publié: (2026)
par: Súkeník, Peter, et autres
Publié: (2026)
Physics-informed GNN for medium-high voltage AC power flow with edge-aware attention and line search correction operator
par: Kim, Changhun, et autres
Publié: (2025)
par: Kim, Changhun, et autres
Publié: (2025)
Attention mechanisms in neural networks
par: Hays, Hasi
Publié: (2026)
par: Hays, Hasi
Publié: (2026)
Uncovering the Structure of Explanation Quality with Spectral Analysis
par: Maeß, Johannes, et autres
Publié: (2025)
par: Maeß, Johannes, et autres
Publié: (2025)
Mode-Aware Non-Linear Tucker Autoencoder for Tensor-based Unsupervised Learning
par: Zheng, Junjing, et autres
Publié: (2025)
par: Zheng, Junjing, et autres
Publié: (2025)
Expanding Expressivity in Transformer Models with MöbiusAttention
par: Halacheva, Anna-Maria, et autres
Publié: (2024)
par: Halacheva, Anna-Maria, et autres
Publié: (2024)
Reorganizing attention-space geometry with expressive attention
par: Gros, Claudius
Publié: (2024)
par: Gros, Claudius
Publié: (2024)
A foundation model with multi-variate parallel attention to generate neuronal activity
par: Carzaniga, Francesco, et autres
Publié: (2025)
par: Carzaniga, Francesco, et autres
Publié: (2025)
Worst-case low-rank approximations
par: Fries, Anya, et autres
Publié: (2026)
par: Fries, Anya, et autres
Publié: (2026)
Efficiently Dispatching Flash Attention For Partially Filled Attention Masks
par: Sharma, Agniv, et autres
Publié: (2024)
par: Sharma, Agniv, et autres
Publié: (2024)
MEGAN: Multi-Explanation Graph Attention Network
par: Teufel, Jonas, et autres
Publié: (2022)
par: Teufel, Jonas, et autres
Publié: (2022)
Supervised learning pays attention
par: Craig, Erin, et autres
Publié: (2025)
par: Craig, Erin, et autres
Publié: (2025)
EEG motor imagery decoding: A framework for comparative analysis with channel attention mechanisms
par: Wimpff, Martin, et autres
Publié: (2023)
par: Wimpff, Martin, et autres
Publié: (2023)
Enhancing short-term traffic prediction by integrating trends and fluctuations with attention mechanism
par: Das, Adway, et autres
Publié: (2025)
par: Das, Adway, et autres
Publié: (2025)
A Diffusion-Based Method for Learning the Multi-Outcome Distribution of Medical Treatments
par: Ma, Yuchen, et autres
Publié: (2025)
par: Ma, Yuchen, et autres
Publié: (2025)
k-Maximum Inner Product Attention for Graph Transformers and the Expressive Power of GraphGPS
par: De Schouwer, Jonas, et autres
Publié: (2026)
par: De Schouwer, Jonas, et autres
Publié: (2026)
An end-to-end attention-based approach for learning on graphs
par: Buterez, David, et autres
Publié: (2024)
par: Buterez, David, et autres
Publié: (2024)
Short window attention enables long-term memorization
par: Cabannes, Loïc, et autres
Publié: (2025)
par: Cabannes, Loïc, et autres
Publié: (2025)
SortBench: Benchmarking LLMs based on their ability to sort lists
par: Herbold, Steffen
Publié: (2025)
par: Herbold, Steffen
Publié: (2025)
AlphaIntegrator: Transformer Action Search for Symbolic Integration Proofs
par: Ünsal, Mert, et autres
Publié: (2024)
par: Ünsal, Mert, et autres
Publié: (2024)
Depth-Recurrent Attention Mixtures: Giving Latent Reasoning the Attention it Deserves
par: Knupp, Jonas, et autres
Publié: (2026)
par: Knupp, Jonas, et autres
Publié: (2026)
Cross-attentive Cohesive Subgraph Embedding to Mitigate Oversquashing in GNNs
par: Hossain, Tanvir, et autres
Publié: (2026)
par: Hossain, Tanvir, et autres
Publié: (2026)
CNN Explainability with Multivector Tucker Saliency Maps for Self-Supervised Models
par: Bouayed, Aymene Mohammed, et autres
Publié: (2024)
par: Bouayed, Aymene Mohammed, et autres
Publié: (2024)
Twin Transformer using Gated Dynamic Learnable Attention mechanism for Fault Detection and Diagnosis in the Tennessee Eastman Process
par: Labbaf-Khaniki, Mohammad Ali, et autres
Publié: (2024)
par: Labbaf-Khaniki, Mohammad Ali, et autres
Publié: (2024)
Plasticity Loss in Deep Reinforcement Learning: A Survey
par: Klein, Timo, et autres
Publié: (2024)
par: Klein, Timo, et autres
Publié: (2024)
GQA-μP: The maximal parameterization update for grouped query attention
par: Chickering, Kyle R., et autres
Publié: (2026)
par: Chickering, Kyle R., et autres
Publié: (2026)
GRC-Net: Gram Residual Co-attention Net for epilepsy prediction
par: You, Bihao, et autres
Publié: (2025)
par: You, Bihao, et autres
Publié: (2025)
Static and multivariate-temporal attentive fusion transformer for readmission risk prediction
par: Sun, Zhe, et autres
Publié: (2024)
par: Sun, Zhe, et autres
Publié: (2024)
Documents similaires
-
A geometric framework for momentum-based optimizers for low-rank training
par: Schotthöfer, Steffen, et autres
Publié: (2025) -
Mitigating Subject Dependency in EEG Decoding with Subject-Specific Low-Rank Adapters
par: Klein, Timon, et autres
Publié: (2025) -
GeoLoRA: Geometric integration for parameter efficient fine-tuning
par: Schotthöfer, Steffen, et autres
Publié: (2024) -
Geometry-aware training of factorized layers in tensor Tucker format
par: Zangrando, Emanuele, et autres
Publié: (2023) -
An Augmented Backward-Corrected Projector Splitting Integrator for Dynamical Low-Rank Training
par: Kusch, Jonas, et autres
Publié: (2025)