XiaoMi-AI文件搜索系统
World File Search SystemTensor
论文提案：张量网络解决量子多
本论文的目标是在张量网络领域取得进展，这是一种强大的压缩方法，然后解决理论物理学中最困难的一些问题。具体来说，目标之一是攻克强耦合量子场论，这些网络具有（最近引入的）连续极限。这篇论文将主要涉及理论，但目标是最终获得有形的数值输出。这篇论文由 PSL jeune équipe 启动基金资助。它的实际位置将位于 Inria Paris，在 Inria 团队 QUANTIC 内，这是 Inria、Mines 和 ENS Paris 的合资企业。感兴趣的候选人应尽快与我们联系，理想情况下可以先从实习开始（也可能获得资助）以熟悉该主题，然后再考虑 3 年的承诺。
贝叶斯张量反应回归及其在脑激活研究中的应用
摘要。本文提出了一种新的贝叶斯回归实现，该回归具有标量协变量的多维数组（张量）响应。最近，各个学科中出现了复杂的数据集，迫切需要设计具有张量值响应的回归模型。本文考虑了一种这样的应用，即在存在张量值大脑图像和标量预测因子的情况下，在 fMRI 实验中检测神经元激活。此应用的总体目标是识别由外部刺激激活的大脑空间区域（体素）。在此类应用和相关应用中，我们建议将所有细胞（或大脑激活研究中的体素）的响应一起回归为标量预测因子的张量响应，以考虑张量响应中固有的结构信息。为了估计具有适当细胞特定收缩的模型参数，我们提出了一种新的张量结构化回归系数多向断棍收缩先验分布，从而能够识别与预测因子相关的细胞。本文的主要创新之处在于，当细胞数量增长速度快于样本大小时，对张量响应回归中提出的收缩先验的收缩特性进行了理论研究。具体而言，在温和的假设下，张量回归系数的估计值在 L2 意义上逐渐集中在真实稀疏张量周围。各种模拟研究和脑激活数据分析从经验上验证了所提出的模型在细胞级参数估计和推断方面的良好性能。
人工智能加速器（Tensor Processor）的翻译器
该客户专门开发和制造专用张量处理单元 (TPU)，用于基于矩阵乘法块的快速神经网络计算，它以每周期数万次运算的速度执行最耗资源的计算。
利用混合张量网络进行量子模拟
张量网络理论和量子模拟分别是理解量子多体物理的关键经典和量子计算方法。在这里，我们介绍了混合张量网络的框架，其构建块由可测量子态和经典可收缩张量组成，继承了两者在有效表示多体波函数方面的独特特性。以混合树张量网络为例，我们展示了使用比目标系统小得多的量子计算机进行高效量子模拟。我们对我们的方法进行了数值基准测试，该方法用于查找最多 8 × 8 和 9 × 8 量子比特的一维和二维自旋系统的基态，其中操作分别仅作用于 8 + 1 和 9 + 1 个量子比特。我们的方法为使用中型量子计算机模拟大型实际问题提供了启示，在化学、量子多体物理、量子场论和量子引力思想实验中具有潜在的应用。
krylov-levenberg-marquardt算法用于结构化塔克张量分解
其中x是一个固定的高矩阵，而ϑ是新的向量参数。例如，我们可以促进对称或部分对称分解，例如a = b = c或a = b。在前一种情况下，我们可以定义ϑ = [vec（k）; vec（a）]。另一个示例是对某些或所有因素矩阵或核心张量k强制执行toeplitz结构。以这种方式，例如，有可能构建低级张量反卷积[31]，平行因子，具有线性脱位（Paralind）[33] [33]或具有线性约束（Candelinc）的典型分解[34]。在[10]和Tensorlab中使用了类似的技术。有很多可能性，并且它们在矩阵X上都不同。请注意，以某些核心张量元件固定至零的模型是本小节中考虑的线性转换的一种特殊情况。
张量几何简介第 2 部分：使用...
Bini-Capovani-Lotti-Romani (1979) 研究了当矩阵的一个元素设置为零时，是否可以通过五次乘法（而不是简单的 6 次）来计算 M ⟨ 2 ⟩，即这个简化的矩阵乘法张量的秩是否为 5。
DeepLearning AI Tensorflow Developer.pdf - Aditya Jyoti Paul
恭喜！您已完成 DeepLearning.AI TensorFlow 开发人员专业认证计划的所有 4 门课程。作为此专业认证计划的一部分，您已学习：如何使用 TensorFlow 构建和训练神经网络，如何在训练网络识别真实世界图像时使用卷积来提高网络性能，如何教机器使用自然语言处理系统理解、分析和响应人类语音，等等！这些以及其他 TensorFlow 概念将成为即将到来的 AI 驱动未来转型的前沿。
白皮书 Supermicro® 系统由 NVIDIA 提供支持使用 NVIDIA TensorRT 实现最佳 AI 推理性能的 GPU
白皮书 Supermicro® 系统采用 NVIDIA GPU，利用 NVIDIA TensorRT 实现最佳 AI 推理性能