多图张量网络
机器学习
2021-01-22 v4
摘要
众多现代数据源的不规则与多模态特性给传统深度学习算法带来了严峻挑战。为此，近期研究通过图将现有算法推广至不规则域，旨在借助底层图拓扑从数据中获取额外洞察。与此同时，基于张量的方法在规避维数灾难所带来的瓶颈方面已展现出可喜成果。本文提出一种新颖的多图张量网络（MGTN）框架，在深度学习设定中同时利用图处理不规则数据源的能力与张量网络的压缩特性。所提框架的潜力通过一个基于 MGTN 的深度 Q 智能体用于外汇（FOREX）算法交易得以展示。借助 MGTN，利用外汇货币图在该艰巨任务上施加具有经济意义的结构，从而相较三种竞争模型取得远优的性能，且复杂度大幅降低。
引用
@article{arxiv.2010.13209,
title = {Multi-Graph Tensor Networks},
author = {Yao Lei Xu and Kriton Konstantinidis and Danilo P. Mandic},
journal= {arXiv preprint arXiv:2010.13209},
year = {2021}
}
备注
NeurIPS 2020 - First Workshop on Quantum Tensor Networks in Machine Learning