★ 2
FTD-GNO：张量分解实现低内存图神经算子
论文提出 FTD-GNO，通过将高维连续积分核分解为低维模态函数，避免显式物化全边核张量。采用 CP、Tensor-Train、Tucker 等张量分解格式，显著降低核评估与聚合的内存占用。实验显示峰值内存低于未分解基线，训练时间更短，并具备良好可扩展性。
arXiv cs.LG27 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 FTD-GNO，通过将高维连续积分核分解为低维模态函数，避免显式物化全边核张量。采用 CP、Tensor-Train、Tucker 等张量分解格式，显著降低核评估与聚合的内存占用。实验显示峰值内存低于未分解基线，训练时间更短，并具备良好可扩展性。